🤖 machine learning

HamVision: Hamiltonian Dynamics as Inductive Bias for Medical Image Analysis

يقدم HamVision إطار عمل لتحليل الصور الطبية يستفيد من المتذبذب التوافقي المخمد كتحيز استقرائي مهيكل لتوليد تمثيلات متميزة للموقع والزخم والطاقة، محققاً أداءً هو الأفضل في فئته في مهام التجزئة والتصنيف عبر عشر معايير دون الحاجة إلى تعديلات خاصة بالمهام في الديناميكيات الجوهرية.

المؤلفون الأصليون: Mohamed A Mabrok

نُشر 2026-03-24

📖 4 دقيقة قراءة☕ قراءة في استراحة قهوة

CC BY 4.0

المؤلفون الأصليون: Mohamed A Mabrok

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 تحاول تعليم كمبيوتر كيف ينظر إلى الصور الطبية (مثل الأشعة السينية، أو مسحات الجلد، أو رنين القلب المغناطيسي) وأن يقوم بشيئين:

إيجاد الأشياء السيئة: رسم مخطط دقيق حول ورم أو حجرة قلب (التجزئة - Segmentation).
تسمية الأشياء السيئة: تحديد ما إذا كانت خلية دم سليمة أم مريضة (التصنيف - Classification).

عادةً، نحن نعلم الحواسيب القيام بذلك عن طريق إلقاء كميات هائلة من البيانات عليها وتركها تخمن القواعد. الأمر يشبه إعطاء طالب ملايين الاختبارات التدريبية والأمل في أن يحفظ الإجابات.

HamVision يتخذ نهجاً مختلفاً. فبدلاً من مجرد الحفظ، فإنه يعطي الكمبيوتر "درساً في الفيزياء" قبل أن يبدأ حتى في النظر إلى الصور. إنه يعلم الكمبيوتر أن يفكر كـ نابض مخمد (وزن مربوط بنابض يتأرجح ببطوة ثم يتوقف عن الحركة).

إليك كيف يعمل ذلك، مقسماً إلى تشبيهات بسيطة:

1. الفكرة الجوهرية: عقل "النابض المتأرجح"

تخيل أن لديك وزناً ثقيلاً متصلاً بنابض. إذا دفعته، فسوف يتأرجح صعوداً وهبوطاً.

الموقع ( $q$ ): أين يوجد الوزن الآن. (في الصورة، هذا يمثل المحتوى الخاص بالصورة).
الزخم ( $p$ ): مدى سرعة حركة الوزن وفي أي اتجاه. (في الصورة، هذا يمثل التغيير. وهو يرتفع بشكل حاد عندما يتغير شكل الصورة فجأة من جلد إلى ورم، أو من نسيج ناعم إلى حافة خشنة).
الطاقة ( $H$ ): إجمالي "القوة" في النظام. (في الصورة، هذه هي خريطة التحديد التي تظهر أين يحدث النشاط الأكثر إثارة للاهتمام).

سحر HamVision هو أنه لا "يتعلم" هذه الأشياء الثلاثة من الصفر. إنها قوانين فيزياء مدمجة. تماماً كما يجب أن يكون للنابض الحقيقي زخم عندما يتحرك، فإن "عقل النابض" الخاص بالكمبيوتر يولد تلقائياً هذه الخرائط الثلاث المفيدة بمجرد معالجة الصورة.

2. كيف يحل مشكلة "المخطط" (التجزئة)

عندما يحتاج الطبيب إلى رسم مخطط حول ورم، فإنه يحتاج لمعرفة شيئين: أين الحافة؟ و أي الأجزاء مهمة؟

يستخدم HamVision فيزياء النابض للمساعدة في ذلك:

خريطة الزخم (كاشف الحواف): لأن الزخم يقيس التغيير، فإنه يضيء باللون الأبيض الساطع أينما وجد في الصورة حافة حادة (مثل حدود الورم). إنه يتجاهل المنتصف الناعم والممل للورم أو الخلفية الفارغة.
خريطة الطاقة (كشاف الضوء): تعمل هذه الخريطة كمفتاح تعتيم. فهي تخبر الكمبيوتر: "مهلاً، انظر هنا! هذه المنطقة بها طاقة عالية (نشاط كبير)". وهي تستخدم هذا للتركيز على الأجزاء المهمة فقط من الصورة، وتجاهل ضوضاء الخلفية.

النتيجة: يرسم الكمبيوتر المخطط بشكل مثالي لأنه يمتلك "كاشف حواف" مدمج و"كشاف ضوء" لم يكن مضطراً لتعلمهم من الصفر. لقد حدث ذلك ببساطة بسبب فيزياء النابض.

3. كيف يحل مشكلة "التسمية" (التصنيف)

عندما يحتاج الطبيب فقط للقول "هذه خلية مريضة" أو "هذه خلية سليمة"، فهو لا يحتاج إلى مخطط مثالي. بل يحتاج لمعرفة الانطباع العام للصورة.

ينظر HamVision إلى الصورة بأكملها ويسأل:

كم يوجد من "المحتوى"؟ (الموقع)
ما مدى "القفز" أو التعقيد في الملمس؟ (الزخم: خلية السرطان الفوضوية وغير المنتظمة سيكون لها زخم عالٍ؛ بينما الخلية السليمة الناعمة سيكون لها زخم منخفض).
ما مدى "نشاط" الصورة بأكملها؟ (الطاقة).

إنه يجمع هذه الأرقام الثلاثة في "بطاقة هوية" واحدة للصورة. ولأن الكمبيوتر يفهم فيزياء النابض، فبإمكانه التمييز بين خلية سليمة ناعمة وخلية مريضة متعرجة بمجرد النظر إلى مدى "تأرجح" البيانات.

4. لماذا يعد هذا أفضل؟

معظم نماذج الذكاء الاصطناğu مثل العمال الضخام والخرقاء. لديها ملايين المعلمات (خلايا الدماغ) وتحتاج إلى كميات هائلة من البيانات لتعرف ما هي الحافة أو كيف يبدو الملمس.

أما HamVision فهو مثل بهلوان رشيق وخفيف الوزن.

الكفاءة: إنه يستخدم قوانين الفيزياء للقيام بالعمل الشاق. يحتاج إلى حوالي 8 ملايين معلمة فقط، بينما تحتاج النماذج الرائدة الأخرى إلى 100 مليون. إنه يشبه الحصول على نفس النتيجة باستخدام دراجة هوائية بدلاً من شاحنة ضخمة.
القابلية للتفسير: في نماذج الذكاء الاصطناعي العادية، إذا ارتكب النموذج خطأً، فلا يمكنك حقاً معرفة السبب. مع HamVision، يمكنك النظر إلى "خريطة الزخم" والقول: "آه، لقد رأى الكمبيوتر الحافة هنا لأن الزخم كان عالياً". إنه شفاف.
تعدد الاستخدامات: إنه يعمل على مسحات الجلد، ورنين القلب، والموجات فوق الصوتية، وخلايا الدم. لماذا؟ لأن حافة الورم في القلب تشبه رياضياً حافة الورم في الجلد: إنها مكان تتغير فيه الأشياء. فيزياء النابض تتعامل مع هذا التغيير بشكل مثالي، بغض النظر عن نوع الصورة.

الصورة الكبيرة

أدرك مؤلفو هذه الورقة البحثية أن الصور الطبية مليئة بـ الحواف، والملمس، والأنماط. وبدلاً من تعليم الكمبيوتر كيف يخمن ماهية الحافة، فقد أعطوا الكمبيوتر نابضاً.

تماماً كما يتفاعل النابض طبيعياً مع الدفع والسحب والتوقف، فإن هذا الكمبيوتر "القائم على النابض" يتفاعل طبيعياً مع حواف الصور وملمسها. إنه يحول المهمة الفوضوية لتحليل الصور الطبية إلى عملية حسابية نظيفة قائمة على الفيزياء، مما يجعلها أسرع، وأصغر، وأسهل في الفهم.

إليك ملخص تقني مفصل لورقة البحث بعنوان "HamVision: الديناميكا الهاملتونية كتحيز استقرائي لتحليل الصور الطبية."

1. بيان المشكلة

يتطلب تحليل الصور الطبية استخراج ميزات تمييزية من بيانات معقدة وضوضائية، حيث تكمن المعلومات الحرجة غالبًا في التدرجات الدقيقة (حدود الأنسجة)، أو الأنماط النسيجية، أو توزيعات الكثافة المكانية. تعتمد النماذج السائدة الحالية على بنيات متخصصة (مثل U-Nets للتقسيم، وTransformers/ResNets للتصنيف) التي تتعلم تحويلات الميزات العامة من البيانات فقط. تفتقر هذه النهج غالبًا إلى التحيزات الاستقرائية الهيكلية، حيث تعتمد بشكل كبير على قدرة النموذج بدلاً من تضمين تحيزات فيزيائية أو رياضية خاصة بالمجال. وبناءً على ذلك، قد تواجه هذه النماذج صعوبة في التقاط معلومات الحدود، والانتقائية الترددية، والبروز المكاني بكفاءة دون الحاجة إلى أعداد هائلة من المعلمات (Parameters).

2. المنهجية: إطار عمل HamVision

يقترح المؤلفون HamVision، وهو إطار عمل موحد يستبدل عنق الزجاجة القياسي في الشبكات العصبية بـ متذبذب توافقي مخمد (Damped Harmonic Oscillator). يعمل هذا كتحيز استقرائي مهيكل، يقوم بتفكيك خرائط الميزات إلى ثلاث تمثيلات وظيفية متميزة مستمدة من الفيزياء، دون الحاجة إلى إشراف صريح لهذه الخصائص المحددة.

أ. عنق الزجاجة الهاملتوني (The Hamiltonian Bottleneck)

الابتكار الجوهري هو طبقة عنق الزجاجة القائمة على ديناميكا المتذبذب التوافقي المخمد. بالنسبة لإشارة متغيرة مكانيًا (صف أو عمود من خريطة الميزات)، ينمذج النظام تطور:

الموضع ( $q$ ): محتوى الإشارة المفلترة.
الزخم ( $p = \dot{q}$ ): معدل التغير المكاني، والذي يعمل كمشتق مكاني انتقائي للتردد.
الطاقة ( $H = \frac{1}{2}(q^2 + p^2)$ ): مقياس عددي للإثارة المحلية، يدمج كلاً من المحتوى والتدرجات.

الصياغة الرياضية:
يُحكم النظام بمعادلة فضاء الحالة $\dot{x} = Ax + Bu$ ، حيث $x = [q, p]^\top$ . المصفوفة $A$ مقيدة هيكليًا لتمثيل متذبذب مخمد بتردد طبيعي $\omega$ وتخميد $\nu$ .

التثليث القطري المركب (Complex Diagonalization): يتم تثليث النظام المقترن إلى عدد مركب $z = q + ip $، يحقق$ \dot{z} = (-\nu + i\omega)z + u$.
التقطيع (Discretization): يتم تقطيع النظام باستخدام مكامل أسي (Exponential Integrator) (دقيق للجزء المتجانس)، مما يضمن استقرار BIBO (المدخلات المحدودة والمخرجات المحدودة).
التنفيذ: للتعامل مع الصور ثنائية الأبعاد، يقوم بنك المتذبذبات بمسح الصفوف والأعمدة في أربعة اتجاهات (يسار-يمين، يمين-يسار، أعلى-أسفل، أسفل-أعلى). ويتم دمج المخرجات عبر عمليات إسقاط متعلمة.

ب. الرؤوس المخصصة للمهام (Task-Specific Heads)

يستخدم إطار العمل مشفرًا مشتركًا وعنق زجاجة هاملتوني، مع رؤوس مختلفة للتقسيم والتصنيف:

1. رأس التقسيم (HamSeg):

البنية: وحدة فك تشفير (Decoder) من نوع U-Net مع وصلات تخطي (Skip Connections).
الآلية:
- بوابة الطاقة (Energy Gating): يتم استيفاء خريطة الطاقة ( $H_{map}$ ) إلى كل مستوى في وحدة فك التشفير واستخدامها لتوجيه (Gating) وصلات التخطي من المشفر، مما يبرز المناطق البارزة (الحدود/الهياكل) ويخمد الخلفيات المتجانسة.
- حقن الزخم (Momentum Injection): يتم إسقاط موتر الزخم ( $p$ ) ودمجه عند كل مستوى في وحدة فك التشفير، مما يضخ معلومات الحدود والتدرجات الصريحة لتحسين التفاصيل المكانية.
التصميم الرئيسي: يعد تمركز خريطة الطاقة قبل عملية التوجيه أمرًا بالغ الأهمية لمنع تشبع دالة الـ Sigmoid، مما يسمح للبوابة بالعمل ديناميكيًا حول 0.5.

2. رأس التصنيف (HamCls):

البنية: يستبدل وحدة فك التشفير الخاصة بـ U-Net برأس تجميع عالمي (Global Pooling).
الآلية:
- تجميع فضاء الطور (Phase-Space Pooling): يتم حساب المتوسط العالمي للتمثيلات الثلاثة:
  - $\bar{f}$ (من $q$ ): يشفر المحتوى.
  - $\bar{p}$ (من $|p|$ ): يشفر تعقيد النسيج وكثافة الحدود (النشاط المكاني).
  - $\bar{h}$ (من $H$ ): يشفر مستويات الإثارة الإجمالية.
- يتم دمج هذه القيم في متجه فضاء الطور وتمريرها عبر MLP للتصنيف.

3. المساهمات الرئيسية

التحيز الاستقرائي المهيكل: يقدم عنق زجاجة هاملتوني ينتج طبيعيًا الموضع والزخم والطاقة كتمثيلات وسيطة، وهي مستندة إلى القوانين الفيزيائية بدلاً من الاستدلالات المتعلمة.
بنية المهام المزدوجة: يثبت أن عنق الزجاجة المتذبذب المشترك يمكن أن يخدم كل من التقسيم (عبر التوجيه المكاني والحقن) والتصنيف (عبر التجميع الإحصائي) دون تعديل في الديناميكا الأساسية.
كفاءة الحالة الفائقة: يحقق أداءً من الفئة الأولى مع 7-9 مليون معلمة فقط، وهو أقل بكثير من الطرق المنافسة (مثل U-Nets وTransformers وMamba variants) التي تستخدم غالبًا 16-105 مليون معلمة.
القابلية للتفسير: يوفر أدلة تشخيصية على أن مخرجات المتذبذب تحمل معانٍ فيزيائية جوهرية (مثل ترميز الزخم باستمرار للحدود/التدرجات الداخلية) دون الحاجة لأدوات تفسير لاحقة.

4. النتائج التجريبية

تم تقييم إطار العمل على 10 اختبارات مرجعية عبر 5 أنماط تصوير (Dermoscopy، Ultrasound، MRI، CT، Microscopy).

التقسيم (HamSeg):
- ISIC 2018: 89.38% Dice (SOTA).
- ISIC 2017: 88.40% Dice.
- TN3K (الغدة الدرقية): 87.05% Dice.
- ACDC (MRI القلب): 92.40% Dice (يتفوق على FreqConvMamba بنسبة +2.61%).
- ملاحظة: كان حقن الزخم متعدد المقاييس فعالًا بشكل خاص لـ ACDC، حيث تختلف الهياكل القلبية كثيرًا في الحجم.
التصنيف (HamCls):
- BloodMNIST: 98.85% دقة (SOTA، بزيادة +0.45% عن MedMamba-S).
- PathMNIST: 96.65% دقة (SOTA، بزيادة +0.25% عن MedMamba-B).
- DermaMNIST: 77.96% دقة (منافس لـ MedViT-S).
- BreastMNIST: 89.60% دقة (التعامل مع عدم التوازن الشديد في الفئات).

5. الأهمية والتحليل

التفسير الفيزيائي: على عكس آليات الانتباه (Attention) التي غالبًا ما تكون "صناديق سوداء"، فإن مخرجات المتذبذب لها معانٍ فيزيائية مسبقة. أكدت التشخيصات أن الزخم يتبع باستمرار تدرج (داخل > حدود > خارج) بسبب تراكم الرنين، وأن خرائط الطاقة ترتبط بالمناطق التمييزية.
كفاءة المعلمات: من خلال استغلال فيزياء المتذبذب لتوليد ثلاث إشارات وظيفية متميزة (المحتوى، التدرج، البروز) من عملية واحدة، يلغي HamVision الحاجة إلى وحدات منفصلة وثقيلة المعلمات لكشف الحواف أو رسم خرائط البروز.
التعميم: يشير النجاح عبر أنماط متنوعة (من MRI السلس إلى الموجات فوق الصوتية الضوضائية) إلى أن المتذبذب يلتقط الخصائص الأساسية للتحليل البصري (الانتقائية الترددية، كشف الحدود) بدلاً من السمات الخاصة بكل نمط تصوير.
الارتباط النظري: يجسر هذا العمل الفجوة بين نماذج فضاء الحالة (مثل Mamba) والأنظمة الفيزيائية. وبينما أكدت Mamba-3 الضرورة الجبرية للانتقالات المركبة، يوضح HamVision الفائدة العملية لـ تفكيك فضاء الطور (الموضع/الزخم/الطاقة) لمهام الرؤية.

في الختام، يثبت HamVision أن تضمين الديناميكا الهاملتونية كتحيز استقرائي يوفر أساسًا مبدئيًا، وقابلًا للتفسير، وعالي الكفاءة لتحليل الصور الطبية، متفوقًا على النماذج الأكبر والأقل هيكلة في مهام التقسيم والتصنيف.