Seeing Through Smoke: Surgical Desmoking for Improved Visual Perception

1. بيان المشكلة

تعتمد الجراحات طفيفة التوغل والجراحية بمساعدة الروبوت (مثل استخدام نظام da Vinci) بشكل كبير على التصوير التنظيري. ومع ذلك، فإن استخدام الأدوات عالية الطاقة مثل الكي الكهربائي وأجهزة ختم الأوعية الدموية يؤدي إلى توليد الدخان الجراحي (وهو خليط من بخار الماء، والبروتين، ونواتج الدهون الثانوية). يؤدي هذا الدخان إلى تدهور الإدراك البصري بشكل خطير من خلال حجب تفاصيل الأنسجة، وإطالة وقت العمليات، وزيادة مخاطر الأخطاء الجراحية. علاوة على ذلك، تعيق آثار الدخان مهام الرؤية الحاسوبية اللاحقة الضرورية للأتمتة الجراحية، مثل تقسيم الأدوات، وتتبع الأدوات، وإعادة البناء ثلاثي الأبعاد.

تتمتع طرق إزالة الدخان الفيزيائية الموجودة (مثل الشفط) بحدود تتعلق بالتحكم في الضغط وتكوين الغاز. ويوفر إزالة الدخان الرقمي (desmoking) بديلاً في الوقت الفعلي، ولكنه يواجه تحديات كبيرة:

• ندرة البيانات: هناك نقص حاد في البيانات الضخمة المقترنة (من "مُدخن" إلى "خالٍ من الدخان") المستمدة من الإجراءات الجراحية الحقيقية.
• الفجوة النطاقية (Domain Gap): غالباً ما تفشل البيانات الاصطناعية في التعميم على البيئات الجراحية الحقيقية بسبب الاختلافات في كثافة الدخان، والحركة، وخصائص التشتت.
• التعقيد: يسبب الدخان الجراحي تشتتاً غير منتظم يمكن أن يحاكي أنسجة التشريح، مما يجعل من الصعب تمييزه عن الأنسجة الفعلية.

2. المنهجية

يقترح المؤلفون إطار عمل مبني على المحولات (Transformer-based) لإزالة الدخان الجراحي من البداية إلى النهاية، مقترناً بمسار مبتكر لتوليد البيانات.

أ. بنية النموذج

يتكون النموذج من ثلاثة مكونات رئيسية:

1. العمود الفقري (Backbone): محول رؤية (ViT-Base) مُهيأ بأوزان مدربة مسبقاً على مجموعة كبيرة من الصور الجراحية (عبر المشفرات التلقائية المقنعة - MAE). يقوم باستخراج الميزات متعددة المقاييس من الكتل المتوسطة.
2. المفكك (Decoder): مفكك DPT (Dense Prediction Transformer) يقوم بدمج التمثيلات الكامنة لإنتاج مخرجات عالية الدقة.
3. رأس إزالة الدخان المستوحى من الفيزياء: بدلاً من رأس الانحدار القياسي، صمم المؤلفون رأساً يعتمد على نموذج التشتت الجوي:
   • يفترض النموذج أن الصورة المدخنة المدخلة $I$ تتبع المعادلة: $I = Jt + A(1-t)$، حيث $J$ هي الصورة الخالية من الدخان، و$A$ هو الضوء الجوي العالمي، و$t$ هي خريطة الإرسال.
   • يتم تدريب الشبكة للتنبؤ بشكل مشترك بالصورة الخالية من الدخان $J$ وخريطة الدخان $S$.
   • لفرض الاتساق الفيزيائي، يقوم الرأس بانحدار المعاملات $K$ و$B$ مباشرة (المشتقة من $t$ و$A$) لإعادة بناء $J$ عبر $J = KI - B + I$. ويتم التنبؤ بخريطة الدخان $S$ كدالة لمصطلح ضوء الهواء $A(1-t)$.

ب. مسار توليد البيانات الاصطناعية

لمعالجة نقص بيانات التدريب المقترنة، طور المؤلفون مساراً لتوليد حوالي 80,000 عينة مقترنة:

• المصدر: 10,000 صورة تنظيرية حقيقية خالية من الدخان (داخل الجسم وخارجه).
• العملية: يتم دمج أنماط دخان اصطناعية ذات كثافات وتوزيعات مكانية متفاوتة مع الصور الحقيقية باستخدام المزج الألفي (alpha blending)، وتصحيح قنوات RGB، وتعزيز الإضاءة.
• عشوائية النطاق (Domain Randomization): لسد الفجوة بين المحاكاة والواقع، يقوم المسار بتغيير لون الدخان، وشفافيته، ومعاملات المزج عشوائياً أثناء التوليد.

ج. إنشاء مجموعة بيانات مرجعية (Benchmark)

قام المؤلفون بتنظيم أكبر مجموعة بيانات جراحية مقترنة حتى الآن:

• المصدر: تم التقاطها باستخدام نظام Intuitive Surgical da vanci على عينات من أنسجة الخنازير.
• الاستراتيجية: استراتيجية التقاط ثنائية الاتجاه (انسداد تدريجي يليه إزالة تدريضية) لضمان تطابق المشاهد الثابتة عبر طيف من كثافات الدخان.
• النطاق: 5,817 زوج صور ستيريو عالية الدقة (1024×1280) مع خرائط عمق وعلامات تقسيم الأدوات المرتبطة بها.

3. المساهمات الرئيسية

1. بنية مبتكرة: نموذج يعتمد على المحولات مع رأس مستوحى من الفيزياء يتنبأ بشكل مشترك بالصور الخالية من الدخان وخرائط الدخان، مستفيداً من نموذج التشتت الجوي لتحقيق قيود هيكلية أفضل.
2. حلول البيانات:
   • مسار قابل للتوسع لتوليد بيانات اصطناعية تنتج أكثر من 80 ألف زوج للتدريب.
   • إصدار مجموعة بيانات مرجعية جديدة واسعة النطاق وعالية الدقة (5,817 زوجاً) مع تسميات العمق الستيري وتقسيم الصور.
3. تقييم شامل: اختبار مكثف على كل من المعايقات العامة والمجموعة الخاصة الجديدة، بما في ذلك تحليل تأثير المهام اللاحقة (تقدير العمق والتقسيم).

4. النتائج

أداء إعادة بناء الصورة

• المعيار العام (مجموعة بيانات De-Smoking): حققت الطريقة المقترحة أداءً متفوقاً (SOTA)، متفوقة على نماذج إزالة الضباب والدخان الحالية (بما في ذلك CNNs والمحولات الأخرى) في كل من مجموعات Cholecystectomy وProstatectomy.
  • Cholecystectomy: SSIM 0.86، PSNR 25.51.
  • Prostatectomy: SSIM 0.75، PSNR 21.71.
• المعيار الخاص: في مجموعة بيانات المؤلفين عالية الدقة، حقق النموذج متوسط SSIM قدره 0.73 وPSNR قدره 20.61. وعند ضبطه بدقة (fine-tuning) على بيانات دخان حقيقية، تحسن الأداء بشكل أكبر (SSIM 0.75، PSNR 23.57).
• الجانب النوعي: نجحت الطريقة في استعادة محتوى المشهد خلف الدخان الكثيف مع حد أدنى من تشوه الألوان وآثار أقل مقارنة بالمنافسين.

التأثير على المهام اللاحقة

• تقسيم الأدوات: حسّنت عملية إزالة الدخان أداء التقسيم (ارتفع IoU من 81.15% إلى 81.81% مع الضبط الدقيق). أدت إزالة الدخان إلى تعزيز التباين المحلي وتوضيح حدود الأدوات.
• تقدير العمق الستيري: من المثير للدهشة أن إزالة الدخان لم تُحسن تقدير العمق باستمرار. في بعض الحالات، كان أداء النموذج المرجعي (بدون إزالة الدخان) هو الأفضل.
  • السبب: النماذج التأسيسية (مثل FoundationStereo) قوية تجاه الدخان بسبب التدريب واسع النطاق. علاوة على ذلك، فإن عملية إزالة الدخان تغير إحصائيات الصورة، مما قد يؤدي إلى تعطيل اتساق الميزات بين اليمين واليسار المطلوب للمطابقة الستيريو.

5. الأهمية والخاتمة

يمثل هذا العمل خطوة مهمة نحو الجراحة الروبوتية بمساعدة الكمبيوتر من خلال معالجة عقبة حرجة: تدهور الرؤية بسبب الدخان.

• الأهمية السريرية: تعزز الطريقة الإدراك البصري في الوقت الفعلي دون مقاطعة الإجراء الجراحي، مما قد يقلل من وقت العمليات ومعدلات الخطأ.
• الرؤية الخوارزمية: تسلط الدراسة الضوء على مقايضة دقيقة: بينما تفيد إزالة الدخان المهام التي تعتمد على التباين المحلي (التقسيم)، إلا أنها قد تقدم آثاراً تعيق المهام القائمة على الهندسة (العمق الستيري) إذا لم يتم دمجها بعناية.
• الآفاق المستقبلية: يضع المؤلفون إزالة الدخان الرقمية كمكون حيوي لمسارات الرؤية الجراحية، مع التركيز في العمل المستقبلي على النشر في الوقت الفعلي والتكامل الوثيق مع التدخلات بمساعدة الكمبيوتر.

يجمع هذا البحث بفعالية بين التدريب الاصطناعي والتطبيق في العالم الحقيقي، موفراً نموذجاً عالي الأداء والبنية التحتية اللازمة للبيانات لدفع مجال الرؤية الحاسوبية الجراحية إلى الأمام.