Diffusion Autoencoder for Unsupervised Artifact Restoration in Handheld Fundus Images

ملخص تقني لورقة بحثية بعنوان: "المشفر التلقائي للانتشار من أجل استعادة العيوب غير الخاضعة للإشراف في صور قاع العين الملتقطة يدوياً"

1. بيان المشكلة

أحدثت أجهزة تصوير قاع العين المحمولة ثورة في الفحص العيني بجعلها محمولة ومنخفضة التكلفة. ومع ذلك، فإن الصور الملتقطة بهذه الأجهزة غالباً ما تعاني من عيوب شديدة، تشمل:

• انعكاسات الوميض (Flash reflections).
• تباينات التعرض (الإفراط أو نقص التعرض).
• الضبابية الناتجة عن الحركة.

هذه التدهورات تجعل الصور "خارج التوزيع" (out-of-distribution) بالنسبة لنماذج الذكاء الاصطناي التشخيصية القياسية المدربة على صور قاع العين عالية الجودة الملتقطة بالأجهزة المكتبية الثابتة. وتعتمد طرق الاستعادة الحالية (مثل شبكات GANs وCNNs) غالباً على الإشراف المقترن (أزواج من الصور النظيفة والمتدهورة) أو أقنعة عيوب محددة مسبقاً، مما يجعلها أقل قدرة على التكيف مع الطبيعة غير المهيكلة والمتغيرة لعيوب الصور المحمولة. وهناك حاجة ماسة لمنهجية غير خاضعة للإشراف يمكنها استعادة هذه الصور باستخدام البيانات عالية الجودة فقط لتمكين التحليل الموثوق للبيانات (مثل تصنيف درجة المرض).

2. المنهجية

يقترح المؤلفون إطار عمل "المشفر التلقائي للانتشار" (Diffusion Autoencoder - DiffAE) المصمم لتعلم التمثيلات الدلالية من الصور عالية الجودة وتطبيقها لاستعادة صور قاع العين التي تحتوي على عيوب أثناء مرحلة الاستدلال.

البنية الأساسية

• مرحلة التدريب (غير خاضعة للإشراف): يتم تدريب النموذج فقط على صور قاع العين عالية الجودة والخالية من العيوب (من مجموعة بيانات EyePACS). ولا يتطلب الأمر صوراً متدهورة مقترنة.

  • مشفر السياق ($Enc_\phi$): يقوم مشفر قابل للتعلم بتحويل الصورة النظيفة $x_0$ إلى متجه كامن مضغوط $z$ (بأبعاد 512). يلتقط هذا المتجه الهياكل الشبكية العالمية ويعمل كـ "أولوية دلالية" (semantic prior).
  • شبكة UNet لإزالة الضجيج ($f_\theta$): نموذج انتشار قياسي يتعلم عكس عملية إضافة الضجيج. يتم توجيه هذا النموذج بناءً على المتجه الكامن $z$ والصورة المشوشة $x_t$.
  • الهدف: يقلل النموذج من خطأ متوسط المربعات (MSE) لإعادة بناء الصورة النظيفة، مما يضمن أن الفضاء الكامن $z$ يشفر الميزات الدلالية ذات المعنى للشبكية.

• مرحلة الاستدلال (الاستعادة):

  • يتم تطبيق النموذج المدرب على صور قاع العين التي تحتوي على عيوب.
  • التوجيه بالقناع (Mask Conditioning): يتم إنشاء أقنعة العيوب ($M$) (عبر التحديد/التحويل الثنائي أو المحاكاة) وتطبيقها في كل خطوة زمنية لإزالة الضجيج.
  • العملية: تتم عملية عكس الانتشار بتوجيه من قناع العيب والأولوية الدلالية $z$ (المتعلمة من البيانات عالية الجودة). معادلة الترميم (inpainting) عند الخطوة الزمنية $t$ هي:
    $$x^{inpaint}_t = M \odot x_t + (1 - M) \odot x^{noisy}_0$$
    وهذا يسمح للنموذج بـ "الهلوسة" أو إعادة بناء الهياكل الشبكية المفقودة أو المحجوبة بناءً على السياق العالمي المتعلم بدلاً من مجرد استكمال البكسلات المحلية.

3. المساهمات الرئيسية

1. إطار عمل انتشار غير خاضع للإشراف: تقديم نموذج DiffAE الذي يدمج مشفر السياق مع عملية إزالة الضجيج، مما يتيح استعادة العيوب دون الحاجة لبيانات تدريب مقترنة (متدهرة/نظيفة).
2. تعلم الأولوية الدلالية: يتعلم النموذج توليد هياكل شبكية عالية الجودة من الصور المكتبية ويستخدم هذا المعرفة لترميم صور قاع العين المحمولة، مما يحافظ على استمرارية الأوعية الدموية والاتساق التشريحي.
3. التحقق الشامل: تم التحقق من النهج ليس فقط عبر مقايسات مستوى البكسل، ولكن أيضاً من خلال المهام السريرية اللاحقة (تقسيم الأوعية وتصنيف اعتلال الشبكية السكري)، مما يثبت فائدته للتشخيص الطبي.

4. النتائج التجريبية

تم تقييم النموذج مقابل أفضل النماذج المرجعية (EdgeConnect, MISF, ShiftNet, DeepFillV2, ClarityNet) على مجموعتين من البيانات: مجموعة اصطناعية (مجموعة DRIVE مع عيوب محاكات) ومجموعة اختبار (صور حقيقية لقاع العين المحمول من mBRSET).

الأداء الكمي

• جودة الصورة (المجموعة الاصطناعية):
  • PSNR: حققت الطريقة المقترحة 38.64 ديسيبل، متفوقة على أفضل نموذج مرجعي (DeepFillV2 بنسبة 37.53 ديسيبل) بمقدار 1.11 ديسيبل.
  • SSIM: حققت 0.97، مساوية لأفضل نموذج مرجعي.
  • تقسيم الأوعية (درجة Dice): حققت 0.891، وهي أعلى بكثير من DeepFillV2 (0.874) وغيره، مما يشير إلى تفوق في الحفاظ على الهياكل الوعائية الدقيقة.
• الفائدة السريرية (مجموعة الاختبار):
  • تقييم الجودة: أنتج النموذج أعلى نسبة مئوية للصور ذات الجودة "الجيدة" (35.8%) وأقل معدل "رفض" (15.8%).
  • دقة تصنيف اعتلال الشبقية (DR): عند تغذية الصور المستعادة في مصنف DR، حققت الطريقة المقترحة دقة بلغت 81.17%. ويمثل هذا تحسناً كبيراً عن دقة النموذج المرجعي البالغة 77.11% (على الصور غير المستعادة) وتفوقت على جميع طرق الاستعادة الأخرى.

التحليل النوعي

• أظهرت المقارنات البصرية أن طرق GAN غالباً ما تُدخل أنسجة غير طبيعية (مثل البقع المصفرة) أو ضبابية.
• نجح نهج DiffAE في الحفاظ على استمرارية الأوعية الدموية والتعامل مع العيوب الكبيرة (مثل انعكاسات الوميض) بشكل أكثر طبيعية، مع الحفاظ على الهيكل التشريحي للقرص البصري والبقعة.

دراسة الاستئصال (Ablation Study)

• أكدت دراسة الاستئصال أهمية مشفر السياق؛ حيث أدى استخدام تمثيل متداخل ($z_{interp}$) بين صورة العيب ونظيرتها النظيفة إلى تحقيق PSNR أعلى (41.46 ديسيبل) مقارنة باستخدام تمثيل صورة العيب فقط (38.98 ديسيبل)، مما يبرز أن المشفر يوجه عملية الاستعادة بفعالية باستخدام المعلومات الدلالية النظيفة.

5. الأهمية والخاتمة

تثبت هذه الورقة أن المشفرات التلقائية للانتشار هي أداة قوية لاستعادة الصور الطبية غير الخاضعة للإشراف. من خلال فصل تعلم "كيف تبدو الشبكية السليمة" (عبر التدريب على البيانات النظيفة) عن "عملية الترميم" (عبر الاستدلال على البيانات المتدهورة)، يتغلب النموذج على قيود الطرق التقلية الخاضعة للإشراف.

تكمن الأهمية الأساسية في الأثر السريري: فالصور المستعادة ليست فقط محسنة بصرياً، بل هي متفوقة وظيفياً للتشخيص الآلي، مما يزيد مباشرة من دقة فحص اعتلال الشبكية السكري. وهذا يمهد الطريق لفحص عيني أكثر موثوقية، ومحمول، ومنخفض التكلفة في المناطق ذات الموارد المحدودة حيث تنتشر الأجهزة المحمولة. ويقترح العمل المستقبلي دمج تحديد العيوب القائم على الذكاء الاصطناعي لأتمتة عملية إنشاء الأقنعة.