DSVTLA: Deep Swin Vision Transformer-Based Transfer Learning Architecture for Multi-Type Cancer Histopathological Cancer Image Classification

فيما يلي ملخص تقني مفصل للورقة البحثية بعنوان: "DSVTLA: بنية تعلم نقل تعتمد على محول الرؤية سوان العميق (Deep Swin Vision Transformer) لتصنيف أنواع متعددة من صور السرطان في الأنسجة المرضية."

1. بيان المشكلة

يعد تشخيص السرطان عبر تحليل صور الأنسجة المرضية أمراً بالغ الأهمية، ولكنه يواجه تحديات كبيرة:

• قيود الموارد: الفحص المجهري اليدوي يستغرق وقتاً طويلاً، ويتطلب جهداً مكثفاً، وهو عرضة لتباين الآراء بين المراقبين، خاصة في البيئات ذات الموارد المحدودة التي تعاني من نقص أطباء المسالك البولية المتخصصين.
• التباين البيولوجي: يتسم تشخيص السرطان بالتعقيد بسبب الاختلافات في مورفولوجيا الأنسجة، والبنية الخلوية، والطفرات الجينية، مما يجعل التقييم البصري صعباً حتى بالنسبة للخبراء.
• محدودية نماذج الذكاء الاصط�عي الحالية:
  • الشبكات العصبية التلافيفية (مثل ResNet وDenseNet): رغم فعاليتها في التقاط أنماط النسيج المحلية، إلا أنها غالباً ما تواجه صعوبة في نمذجة الاعتمادات السياقية بعيدة المدى الضرورية لفهم هياكل الأنسجة المعقدة.
  • المحولات (مثل ViT وSwin): رغم تميزها في السياق العالمي، إلا أنها غالباً ما تتطلب مجموعات بيانات ضخمة وقد تفتقر إلى التفاصيل المورفولوجية المحلية الدقيقة عند استخدامها بشكل منفرد.
  • فجوة النطاق: تركز معظم الدراسات الحالية على تصنيف نوع واحد من السرطان، وتفتقر إلى أطر عمل موحدة قادرة على التمييز بين أنواع متعددة من السرطان في وقت واحد تحت ظروف تجريبية متسقة.

2. المنهجية

يقترح المؤلفون DSVTLA، وهي بنية هجينة للتعلم العميق تدمج ResNet50 (شبكة عصبية تلافيفية) مع Swin Transformer للاستفادة من نقاط القوة في كلا النموذجين.

أ. مجموعة البيانات والمعالجة المسبقة

تستخدم الدراسة مجموعة بيانات شاملة لعدة أنواع من السرطان تضم خمسة أنواع متميزة (الثدي، الفم، الرئة، القولون، الكلى، واللوكيميا الليمفاوية الحادة) مستمدة من مستودعات عامة.

• إجمالي الصور: حوالي 63,000+ صورة عبر وسائط مختلفة (شرائح مصبوغة بـ H&E، صور أشعة مقطعية CT، مسحات دم).
• المعالجة المسبقة: تم تغيير حجم الصور إلى 224×224 بكسل، وتطبيعها باستخدام إحصائيات ImageNet، وتعزيزها (القلب، التدوير، تذبذب الألوان) لمنع الإفراط في التخصيص (Overfitting).
• التجزئة (Segmentation): بالنسبة لمرض اللوكيميا، تم تحليل كل من الصور الأصلية والصور المجزأة باستخدام عتبة HSV لاختبار المتانة.

ب. البنية الهجينة المقترحة

الابتكار الأساسي هو نموذج Swin-Base + ResNet50 الهجين:

1. استخراج الميزات (المحلية): يقوم العمود الفقري ResNet50 باستخراج الميزات المحلية دقيقة التفاصيل (أنسجة الخلايا، حدود الأنسجة) باستخدام التعلم المتبقي (Residual Learning).
2. النمذجة السياقية (العالمية): يتم تقسيم الميزات المستخرجة إلى نوافذ غير متداخلة وتغذيتها في Swin Transformer.
3. الآلية: يطبق Swin Transformer آلية الانتباه متعدد الرؤوس القائم على النوافذ المزاحة (SW-MSA). يسمح هذا للنموذج بالتقاط الاعتمادات طويلة المدى والعلاقات السياقية العالمية بين مناطق الأنسجة المختلفة مع الحفاظ على الكفاءة الحسابية.
4. التصنيف: يتم تجميع الميزات الهرمية عبر التجميع المتوسط العالمي (GAP) وتمريرها عبر طبقة متصلة بالكامل مع وظيفة Softmax للتنبؤ متعدد الفئات.

ج. النماذج المرجعية للمقارنة

تمت مقارنة النموذج المقترح مقابل خط معالجة موحد لنماذج رائدة، بما في ذلك:

• الشبكات العصبية التلافيفية (CNNs): DenseNet121, DenseNet201, InceptionV3, ResNet50, EfficientNetB3.
• المحولات (Transformers): Vision Transformer (ViT-Base, ViT-Large), Swin-Tiny, Swin-Base.

د. القابلية للتفسير (XAI)

لضمان الثقة السريرية، استخدمت الدراسة أدوات LIME وSHAP وOcclusion Sensitivity لتصور المناطق التي أثرت في قرارات النموذج، والتحقق من أن النموذج يركز على الميزات المورفولوجية ذات الصلة سريرياً بدلاً من الشوائب (Artifacts).

3. المساهمات الرئيسية

1. البنية الهجينة: تطوير إطار عمل مبتكر يجمع بين استخراج الميزات المحلية لـ ResNet50 وآليات الانتباه العالمي لـ Swin Transformer، مما يعالج قيود استخدام أي من البنيتين بمفردها.
2. إطار عمل موحد لعدة أنواع من السرطان: تقييم شامل عبر ست فئات متنوعة من السرطان (الثدي، الفم، الرئة، القولون، الكلى، واللوكيميا الليمفاوية الحادة) باستخدام خط تجريبي واحد ومتسق، على عكس الدراسات السابقة التي تركز على مرض واحد.
3. التحقق من المتانة: اختبار مكثف على كل من الصور الأصلية والمجزأة (خاصة للوكيميا) لإثبات القدرة على التعميم عبر ظروف التصوير السريري المتباينة.
4. القابلية للتفسير: دمج أدوات XAI لإظهار أن اتخاذ القرار في النموذج يتوافق مع المعايير المرضية، مما يعزز الشفافية للنشر السريري.

4. النتائج التجريبية

أجريت التجارب على وحدة معالجة رسوميات NVIDIA Tesla P100 باستخدام PyTorch. تُظهر النتائج الأداء المتفوق للنموذج الهجين المقترح:

• الدقة الإجمالية: حقق الهجين Swin-Base + ResNet50 أعلى دقة أو دقة قريبة من الأعلى في جميع الفئات.
  • سرطان الرئة والقولون: دقة اختبار بنسبة 100%.
  • اللوكيميا الليمفاوية الحادة (المجزأة): دقة اختبار بنسبة 100%.
  • سرطان الكلى: دقة اختبار بنسبة 100%.
  • سرطان الثدي: دقة اختبار بنسبة 99.23%.
  • سرطان الفم: دقة اختبار بنسبة 98.33%.
• الاستقرار: أظهر النموذج أداءً ثابتاً عبر ثلاث جولات مستقلة، حيث تجاوز متوسط دقة الاختبار 99% لمعظم الفئات.
• المقاييس: حقق النموذج قيمًا قريبة من المثالية في الدقة (Precision)، والاستدعاء (Recall)، ومقياس F1 (غالباً 1.00)، مما يشير إلى حد أدنى من الإيجابيات والسلبيات الكاذبة.
• المقارنة: بينما تفوقت بعض النماذج المرجعية (مثل DenseNet201 أو Swin-Base بمفرده) بشكل طفيف في مجموعات بيانات معزولة (بفروق أقل من 1%)، إلا أن النموذج الهجين قدم الأداء الأكثر اتساقاً عبر جميع أنواع السرطان في آن واحد.

5. الأهمية والخاتمة

• الأثر السريري: تؤسس هذه الدراسة لأداة قوية وقابلة للتوسع وعالية الدقة للتشخيص الآلي للأنسجة المرضية، مما قد يقلل من عبء العمل على أطباء المسالك البولية ويقلل من الأخطاء التشخيصية في البيئات محدودة الموارد.
• المساهمة العلمية: تثبت الدراسة أن النهج الهجين يجسّر بفعالية الفجوة بين تحليل النسيج المحلي (CNN) ونمذجة السياق العالمي (Transformer)، مما يضع معياراً جديداً لتصنيف أنواع السرطان المتعددة.
• الاتجاهات المستقبلية: تشير القابلية العالية لتفسير النموذج إلى أنه جاهز للدمج في أنظمة التشخيص بمساعدة الكمبيوتر (CAD)، مما يسهل التعاون بين الإنسان والذكاء الاصطناعي في سير العمل السريري.

باختصار، يمثل DSVTLA تقدماً كبيراً في مجال الذكاء الاصطناعي الطبي، حيث يقدم حلاً موحداً، قابلاً للتفسير، وعالي الدقة لمهمة تصنيف أنواع السرطان المتعددة والمعقدة.