💻 computer science

Enhancing Brain Tumor Classification Using Vision Transformers with Colormap-Based Feature Representation on BRISC2025 Dataset

تقترح هذه الورقة إطار عمل للتعلم العميق يجمع بين محولات الرؤية (Vision Transformers) والتمثيل الميزاتي القائم على مخطط الألوان لتحقيق دقة تصنيف لأورام الدماغ (98.90%) ومساحة تحت المنحنى (AUC) بلغت (99.97%) في مجموعة بيانات BRISC2025، متفوقة بذلك على نماذج الشبكات العصبية التلافيفية (CNN) الأساسية.

المؤلفون الأصليون: Faisal Ahmed

نُشر 2026-03-24

📖 4 دقيقة قراءة☕ قراءة في استراحة قهوة

CC BY 4.0

المؤلفون الأصليون: Faisal Ahmed

البحث الأصلي مرخَّص بموجب CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل

تخيل أنك محقق يحاول حل لغز داخل دماغ مريض. الأدلة مخبأة في صور رنين مغناطيسي (MRI) باللونين الأبيض والأسود، وهي تشبه صور التلفاز المشوشة والمليئة بالنقاط. مهمتك هي معرفة ما إذا كان هناك ورم، وإذا كان الأمر كذلك، فما هو نوع هذا الورم (ورم دبقي، أو ورم سحائي، أو ورم نخامي، أو لا يوجد ورم على الإطلاق).

عادةً، يقوم الأطباء البشريون بفحص هذه الصور، لكن هذه العملية بطيئة ومرهقة. لذلك، قام العلماء ببناء برامج كمبيوتر (ذكاء اصطناعي) للمساعدة. ومع ذلك، كانت البرامج القديمة تعاني من مشكلة: كانت تشبه شخصاً ينظر إلى قطعة أحجية (بازل) قطعة تلو الأخرى، مما يجعلها تفقد الصورة الكبيرة.

يقدم هذا البحث محققاً ذكياً للغاية يسمى "محول الرؤية الملون" (The Colored Vision Transformer). وإليك كيف يعمل، مقسماً إلى أجزاء بسيطة:

1. المشكلة: "النقطة العمياء" للأبيض والأسود

برامج الذكاء الاصطناعي التقليدية (المعروفة باسم CNNs) بارعة في النظر إلى التفاصيل الصغيرة، مثل ملمس جدار من الطوب. لكن أورام الدماغ مخادعة؛ فهي تختبئ في أنماط معقدة تمتد عبر الدماغ بأكمله. والنظر إلى بقعة صغيرة واحدة فقط ليس كافياً. أيضاً، صور الرنين المغناطيسي تكون بتدرجات الرمادي. وأحياناً، يكون الفرق بين البقعة السليمة والبقعة المريضة دقيقاً جداً في الأبيض والأسود لدرجة أن الكمبيوتر قد يخطئه.

2. الحل: ارتداء "نظارات قوس قزح"

كان لدى المؤلف، فيصل أحمد، فكرة ذكية. قبل عرض الصورة على الذكاء الاصطناعي، قام بتمرير صورة الرنين المغناطوري بالأبيض والأسود عبر مرشح لوني (خريطة ألوان).

التشبيه: تخيل أنك تنظر إلى خريطة لمدينة باللون الرمادي. يمكنك رؤية الطرق، ولكن من الصعب معرفة أي المناطق هي منتزهات وأيها مصانع. الآن، تخيل أنك ارتديت نظارات تحول المنتزهات إلى اللون الأخضر الزاهي والمصانع إلى اللون الأحمر الزاهي. فجأة، تصبح الاختلافات واضحة جداً!
ماذا يفعل: خطوة "نظارات قوس قزح" هذه تبرز الاختلافات الدقيقة في أنسجة الدماغ التي كانت غير مرئية في التدرج الرمادي. إنها تجعل "الأدلة" تبرز بشكل أقوى بكثير.

3. المحقق: محول الرؤية (Vision Transformer - ViT)

بمجرد "تلوين" الصورة، يتم تغذيتها في نوع جديد من الذكاء الاصطناعي يسمى محول الرؤية (ViT).

التشبيه: الذكاء الاصطناعي القديم (CNNs) يشبه شخصاً يقرأ كتاباً كلمة بكلمة. قد يفتقد الرابط بين الجملة الأولى والجملة الأخيرة.
الـ ViT: هذا النوع الجديد من الذكاء الاصطناعي يشبه شخصاً يمكنه قراءة الكتاب بأكمله دفعة واحدة. إنه يستخدم آلية "الانتباه الذاتي" (self-attention). فهو ينظر إلى صورة الدماغ بأكملها في وقت واحد ويتساءل: "كيف ترتبط هذه البقعة في اليسار بتلك البقعة في اليمين؟". هذا يساعده على فهم الصورة الكبيرة والعلاقات بعيدة المدى في بنية الدماغ.

4. التدريب: التعلم دون غش

تم تدريب الذكاء الاصطناعي على مكتبة ضخمة من صور الدماغ تسمى مجموعة بيانات BRISC2025 (حوالي 6,000 صورة).

لا "لأكواد الغش": عادةً، لتعليم الذكاء الاصطناعي، يقوم العلماء بأخذ الصور، وتدويرها، وقلبها رأساً على عقب، وتكبيرها لزيادة البيانات. لم يحتج هذا الذكاء الاصطناعي إلى ذلك. لأن "نظارات قوس قزح" جعلت الميزات واضحة جداً، تعلم الذكاء الاصطناعي مباشرة من الصور الأصلية دون تغيير. هذا يشبه تعلم القيادة على طريق حقيقي بدلاً من لعبة فيديو محاكية.
زر "التوقف": كان للتدريب قاعدة "التوقف المبكر" (Early Stopping). إذا بدأ الذكاء الاصطناعي في حفظ الإجابات بدلاً من تعلم القواعد (وهي مشكلة تسمى "الفرط في التخصيص" أو overfitting)، فإن الكمبيوتر يضغط على المكابح ويوقف التدريب لضمان أنه أصبح ذكياً حقاً وليس مجرد ببغاء يردد ما يسمع.

5. النتائج: محقق خارق

عندما اختبروا هذا النظام الجديد ضد المحققين القدامى الذين يعملون "كلمة بكلمة" (مثل ResNet و EfficientNet)، كانت النتائج مذهلة:

الدقة: حصل النظام الجديد على 98.90% من الإجابات الصحيحة. كانت الأنظمة القديمة قريبة (حوالي 98%)، لكن النظام الجديد كان أفضل.
درجة "AUC": هذا مقياس لمدى قدرة الذكاء الاصطناعي على التمييز بين وجود ورم وعدم وجوده. سجل الذكاء الاصطناعي الجديد 99.97%. هذا شبه مثالي. إنه يشبه جهاز كشف المعادن الذي يجد كل عملة معدنية ولا يصدر صوتاً عند العثور على صخرة.

لماذا يهم هذا؟

هذا ليس مجرد لعبة رياضيات. في العالم الحقيقي، هذا يعني:

تشخيص أسرع: يمكن للأطباء الحصول على رأي ثانٍ من الكمبيوتر في ثوانٍ.
أخطاء أقل: لأن الذكاء الاصطناعي يرى "الصورة الكبيرة" و"التفاصيل الملونة"، فمن غير المرجح أن يغفل عن ورم صغير أو يخلط بين نوع ورم وآخر.
علاج أفضل: إذا عرفت نوع الورم بالضبط، يمكنك التخطيط للجراحة أو الدواء بشكل أفضل بكثير.

باخت-مختصر: أخذ المؤلف صورة دماغ بالأبيض والأسود، ووضع عليها "نظارات قوس قزح" لجعل التفاصيل تبرز، ثم قدمها لذكاء اصطناعي فائق الذكاء ينظر إلى الصورة بأكملها في وقت واحد. والنتي النتيجة هي محقق طبي يكاد يكون مثالياً في اكتشاف أورام الدماغ.

إليك ملخص تقني مفصل لورقة البحث بعنوان "تعزيز تصنيف أورام الدماغ باستخدام محولات الرؤية مع تمثيل الميزات القائم على مخطط الألوان على مجموعة بيانات BRISC2025" للباحث فيصل أحمد.

1. بيان المشكلة

يعد التصنيف الدقيق لأورام الدماغ من صور الرنين المغناطيسي (MRI) أمراً بالغ الأهمية للتشخيص المبكر وتخطيط العلاج. وبينما حققت الشبكات العصبية التلافيفية (CNNs) مثل ResNet وEfficientNet نجاحاً في تحليل الصور الطبية، إلا أنها تواجه قيوداً محددة:

المجالات المستقبلية المحلية: تعاني الشبكات التلافيفية في التقاط التبعيات طويلة المدى والمعلومات السياقية العالمية، وهي أمور ضرورية لفهم الهياكل التشريحية المعقدة في فحوصات الرنين المغناطيسي.
القدرة التمييزية للميزات: يمكن أن يكون من الصعب على النماذج التمييز بين التباينات الطفيفة في الكثافة والأنماط الهيكلية في صور الرنين المغناطيسي ذات التدرج الرمادي، مما يؤدي إلى احتمال الخطأ في التصنيف.
الاعتماد على البيانات: تتطلب العديد من نماذج التعلم العميق عمليات تعزيز بيانات مكثفة أو مجموعات بيانات ضخمة مصنفة للتعميم بشكل جيد، مما قد يشكل عائقاً في البيئات السريرية.

تهدف الدراسة إلى معالجة هذه التحديات من خلال اقتراح إطار عمل يجمع بين قدرات النمذجة العالمية لـ محولات الرؤية (Vision Transformers - ViT) وتعزيز الميزات القائم على مخطط الألوان لتحسين تصنيف أورام الدماغ متعدد الفئات دون الاعتماد على تعزيز البيانات الثقيل.

2. المنهجية

يدمج إطار العمل المقترح محول رؤية (ViT) مُدرب مسبقاً مع خط معالجة أولية مبتكر. يتكون سير العمل من المراحل التالية:

أ. إعداد البيانات وتحويل مخطط الألوان

مجموعة البيانات: تستخدم الدراسة مجموعة بيانات BRISC2025، التي تحتوي على حوالي 6,000 صورة رنين مغناطيسي (T1-weighted contrast-enhanced) موزعة على أربع فئات: الورم الدبقي (Glioma)، الورم السحائي (Meningioma)، الورم النخامي (Pituitary Tumor)، وغير الورم (Non-tumor).
المعالجة الأولية:
1. يتم تغيير حجم الصور إلى دقة موحدة تبلغ 224 × 224.
2. يتم تطبيع شدة البكسل لتكون في النطاق $[0, 1]$ .
3. تعزيز مخطط الألوان: يتم تطبيق دالة رسم خرائط غير خطية (مثل مخطط Jet) على صور التدرج الرمادي المطبعة. يقوم هذا بتحويل بيانات الكثافة أحادية القناة إلى تمثيل ألوان زائف ( $I_{color}$ )، مما يوسع توزيع الكثافة إلى فضاء لوني عالي الأبعاد لإبراز الأنماط الهيكلية الدقيقة وتباينات الكثافة.

ب. بنية محول الرؤية (ViT)

النموذج الأساسي: تستخدم الدراسة نموذج ViT-Base-Patch16-224 مُدرب مسبقاً (تم تدريبه على ImageNet).
تضمين الرقع (Patch Embedding): يتم تقسيم الصورة المعززة بالألوان إلى رقع غير متداخلة بحجم 16 × 16، مما ينتج عنه 196 رقعة.
معالجة التسلسل:
- يتم تسطيح الرقع وإسقاطها خطياً في فضاء التضمين.
- يتم إضافة رمز تصنيف قابل للتعلم ( $x_{cls}$ ) قبل التسلسل.
- يتم إضافة ترميزات موضعية (Positional encodings) للحفاظ على المعلومات المكانية.
مشفر المحول (Transformer Encoder): يمر التسلسل عبر طبقات مشفر متعددة تحتوي على آليات الانتباه الذاتي متعدد الرؤوس (Multi-Head Self-Attention - MSA) وشبكات التغذية الأمامية (FFN). تسمح آلية الانتباه الذاتي للنموذج بالتقاط التبعيات العالمية عبر مسح الرنين المغناطيسي بالكامل.
التصنيف: يتم تمرير التمثيل النهائي لرمز $x_{cls}$ عبر رأس مدرج متعدد الطبقات (MLP) لتوليد توزيعات الاحتمالية عبر فئات الأورام الأربع.

ج. استراتيجية التدريب

دالة الخسارة: خسارة الإنتروبيا المتقاطعة للفئات (Categorical Cross-Entropy Loss).
المحسن (Optimizer): محسن Adam مع معدل تعلم قدره $1 \times 10^{-4}$ .
التنظيم: يستخدم النموذج التوقف المبكر (Early Stopping) (الصبر = 15) بناءً على دقة التحقق لمنع الإفراط في التخصيص (Overfitting).
تعزيز البيانات: من الجدير بالذكر أن الدراسة لا تستخدم تعزيز البيانات التقليدي (الدوران، القلب، أو تغيير الحجم). يجادل المؤلفون بأن الجمع بين تمثيلات ViT المدربة مسبقاً وتعزيز مخطط الألوان يوفر قوة تمييزية كافية.

3. المساهمات الرئيسية

إطار عمل مبتكر: دمج محولات الرؤية مع تعزيز الميزات القائم على مخطط الألوان خصيصاً لتصنيف أورام الدماغ.
استخدام مجموعة البيانات: تقييم شامل على مجموعة بيانات BRISC2025 لمهمة تصنيف رباعية الفئات (الورم الدبقي، الورم السحائي، الورم النخامي، وغير الورم).
قياس الأداء المرجعي: إثبات أن الطريقة المقترحة تتفوق على نماذج CNN المرجعية المتطورة (ResNet50، ResNet101، وEfficientNetB2).
القابلية للتفسير والتعميم: يساعد استخدام تصور مخطط الألوان في تمييز الميزات، بينما يظهر النموذج قدرة قوية على التعميم دون تعزيز اصطناعي للبيانات.

4. النتائج التجريبية

تم تقييم النموذج على مجموعة بيانات BRISC2025 باستخدام المقاييس القياسية (الدقة، الضبط، الاستدعاء، مقياس F1، وAUC).

مقارنة الأداء:

النموذج	الدقة (Accuracy)	الضبط (Precision)	الاستدعاء (Recall)	مقياس F1	AUC
ResNet50	98.20%	98.36%	98.36%	98.34%	-
ResNet101	98.09%	98.20%	98.26%	98.21%	-
EfficientNetB2	98.37%	98.51%	98.54%	98.52%	-
Proposed ViT	98.90%	98.99%	98.98%	98.98%	99.97%

الدقة: حقق نموذج ViT المقترح 98.90%، متفوقاً على أفضل نموذج مرجعي CNN (وهو EfficientNetB2) بنسبة تقارب 0.53%.
القدرة التمييزية: حقق النموذج قيمة AUC استثنائية بلغت 99.97%، مما يشير إلى قدرة شبه مثالية على الفصل بين الفئات الأربع.
مصفوفة الارتباك: أظهر التحليل حدًا أدنى من الخطأ في التصنيف عبر جميع أنواع الأورام، مما يؤكد المتانة.

5. الأهمية والخاتمة

تسلط الدراسة الضوء على إمكانات محولات الرؤية (Vision Transformers) في التصوير الطبي، لا سيما عند دمجها مع معالجة أولية خاصة بالمجال.

السياق العالمي: نجحت آلية الانتباه الذاتي في التقاط التبعيات طويلة المدى في صور الرنين المغناطيسي، متجاوزة قيود المحلية التي تعاني منها الشبكات التلافيفية.
تعزيز الميزات: يعمل تحويل مخطط الألوان بفعالية على تضخيم التباينات الطفية في الكثافة، مما يجعل الأنماط الهيكلية أكثر قابلية للتمييز بالنسبة للنموذج.
القابلية للتطبيق السريري: تشير الدقة العالية ودرجة AUC، التي تحققت دون تعزيز معقد للبيانات، إلى أن النموذج فعال حاسوبياً ومتين بما يكفي للدمج في أنظمة دعم القرار السريري في العالم الحقيقي.

العمل المستقبلي: يقترح المؤلفون توسيع إطار العمل ليشمل بيانات التصوير متعدد الوسائط، واستكشاف بنيات المحولات خفيفة الوزن لتقليل التكاليف الحسابية، والتحقق من صحة النموذج على مجموعات بيانات سريرية خارجية متنوعة.