🤖 AI

Classification of systolic murmurs in heart sounds using multiresolution complex Gabor dictionary and vision transformer

تقترح هذه الورقة نظاماً آلياً لتصنيف لغط القلب الانقباضي يستخدم مطابقة المنحى المتعامد المعقدة مع قاموس غابور المعقد متعدد الدقة لاستخراج الميزات، ومحول رؤية للتصنيف، محققةً دقة بنسبة 95.96% على مجموعة بيانات CirCor DigiScope.

المؤلفون الأصليون: Mahmoud Fakhry, Abeer FathAllah Brery

نُشر 2026-04-21

📖 5 دقيقة قراءة🧠 قراءة متعمّقة

CC BY 4.0

المؤلفون الأصليون: Mahmoud Fakhry, Abeer FathAllah Brery

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

الصورة الكبيرة: الاستماع إلى "طنين" القلب

تخيل أن قلبك هو أوركسترا مزدحمة. عندما يعزف كل شيء بانسجام، تكون الموسيقى عبارة عن إيقاع ثابت ومنتظم. ولكن في بعض الأحيان، قد يرتخي صمام ما أو يضيق أنبوب ما؛ وهذا يتسبب في اندفاع الدم بـ "هفيف" أو "فحيح" بدلاً من التدفق السلس. في المصطلحات الطبية، يُسمى هذا لغطاً (Murmur).

لقد استمع الأطباء إلى هذه الأصوات لقرون باستخدام السماعة الطبية، ولكن من الصعب تحديد ماهية الخطأ بدقة بمجرد السمع. هل هو صوت على شكل "ماسة"؟ أم "هضبة" (ثابت)؟ أم "تصاعدي"؟ الأمر يشبه محاولة التعرف على آلة موسيقية معينة وسط حشد صاخب بمجرد الاستماع فقط.

تقدم هذه الورقة البحثية محقق ذكاء اصطناعي جديد يمكنه الاستماع إلى أصوات القلب هذه، وتفكيكها إلى قطع أحجية صغيرة، ومعرفة نوع اللغط بدقة مذهلة (حوالي 96%).

الخطوة 1: "القاموس السحري" (استخراج الميزات)

المشكلة الأولى التي واجهها الباحثون هي أن أصوات القلب فوضوية؛ فهي تتغير بسرعة وليست مجرد موجات بسيطة. إذا حاولت تحليلها باستخدام أدوات قياسية (مثل جهاز ضبط راديو أساسي)، فستفقد التفاصيل.

الحل: قاموس جابور متعدد الدقة (Multiresolution Gabor Dictionary)
تخيل أن لديك مكتبة ضخمة من "لبنات بناء الصوت". بعض اللبنات قصيرة وحادة (جيدة لالتقاط التغيرات السريعة)، وبعضها طويل وناعم (جيدة لالتقاط النغمات العميقة).

التشبيه: فكر في هذا كأنه سكين سويسري للأصوات. بدلاً من استخدام أداة واحدة فقط، يمتلك النظام 8 "أحجام" مختلفة من الأدوات. يستخدم تقنية رياضية تسمى البحث المطابق المتعامد المعقد (طريقة فخمة لقول "المطابقة الذكية") للعثور على المزيج المثالي من هذه اللبنات التي تعيد بناء صوت القلب.
اللمسة المبتكرة: لم يكتفِ الباحثون بالنظر إلى مقطع صوتي واحد، بل نظروا إلى مقاطع متعددة من نفس تسجيل القلب. لقد أجبروا النظام على استخدام نفس مجموعة لبنات البناء لجميع المقاطع.
لماذا هذا مهم: تخيل أنك تحاول التعرف على صوت صديقك. إذا سمعته يهمس مرة ويصرخ مرة أخرى، سيبدو الصوت مختلفاً. ولكن إذا أدركت أنه "يستخدم نفس المفردات في كلتا الحالتين"، يمكنك التعرف عليه بشكل أفضل. هذه الخدعة المتمثلة في "القاموس المشترك" تساعد الذكاء الاصطناعي على تجاهل الضجيج والتركيز على الشكل الحقيقي للغط.

الخطوة 2: تحويل الصوت إلى "خريطة" (إعادة التشكيل)

بمجرد أن يطابق الذكاء الاصطناعي الصوت بلبنات البناء الخاصة به، سيحصل على قائمة طويلة من الأرقام. وهذا أمر ممل وصعب التصور بالنسبة للكمبيوتر.

الحل: خريطة الزمن والتردد (Time-Frequency Map)
أخذ الباحثون تلك الأرقام وأعادوا تشكيلها في صور ثنائية الأبعاد (مصفوفات).

التشبيه: تخيل أنك تأخذ شريط فيلم طويلاً وتطويه على شكل شبكة. الآن، بدلاً من خط مستقيم، أصبح لديك خريطة. في هذه الخريطة، المحور الأفقي هو الزمن (متى حدث الصوت) والمحور الرأسي هو التردد (مدى ارتفاع أو انخفاض حدة الصوت).
ولأنهم استخدموا "8 أحجام مختلفة" من الأدوات من الخطوة الأولى، فقد انتهى بهم الأمر بـ 8 خرائط مختلفة لكل صوت قلب. بعض الخرائط تركز (Zoom in) على الزمن (لرؤية الارتفاعات السريعة)، والبعض الآخر يركز على التردد (لرؤية النغمات العميقة).

الخطوة 3: "القارئ الخارق" (المحول البصري - Vision Transformer)

الآن يمتلك الذكاء الاصطناٍ 8 خرائط مختلفة. كيف يقرأها؟

الحل: المحول البصري (Vision Transformer - ViT)
عادةً ما تستخدم الحواسيب "الشبكات العصبية الالتفافية" (CNNs) للنظر في الصور. هذه الشبكات رائعة في رصد الحواف والأشكال، لكنها قد تعاني من "رؤية نفقية"؛ أي قد تفوتها الصورة الكبيرة.

التشبيه: فكر في الشبكة العصبية الالتفافية (CNN) كشخص ينظر إلى لوحة فنية من خلال أنبوب صغير. هو يرى تفصيلاً دقيقاً جداً بوضوح، لكنه لا يعرف كيف يتناسب هذا التفصيل مع بقية اللوحة.
المحول البصري (Vision Transformer) يشبه شخصاً يقف بعيداً وينظر إلى اللوحة بأكملها في وقت واحد. إنه يستخدم آلية تسمى الانتباه الذاتي (Self-Attention).
كيف يعمل: ينظر الذكاء الاصطناعي إلى شكل "الماسة" في إحدى الخرائط ويسأل فوراً: "هل يتصل هذا بشكل 'الهضبة' في الخريطة الأخرى؟". إنه يربط النقاط عبر الصورة بأكملها، ويفهم السياق العام. إنه مثل المحقق الذي لا ينظر فقط إلى دليل واحد، بل يرى كيف يرتبط كل دليل في الغرفة بكل دليل آخر.

النتائج: محقق ذو درجات عالية

اختبر الباحثون هذا النظام على قاعدة بيانات ضخمة لأصوات القلب (مجموعة بيانات CirCor DigiScope) تحتوي على أربعة أنواع من اللغط:

الماسي (Diamond): يبدأ هادئاً، ثم يزداد قوة، ثم يعود هادئاً.
الهضبة (Plateau): يبقى قوياً وثابتاً.
التلاشي (Decrescendo): يبدأ قوياً ثم يخفت تدريجياً.
التصاعدي (Crescendo): يبدأ هادئاً ثم يزداد قوة.

النتيجة:
أصاب النظام في 95.96% من الحالات.

كان بارعاً بشكل خاص في رصد نوعي "الماسي" و"الهضبة" (دقة تزيد عن 98%).
حتى بالنسبة لنوع "التصاعدي" النادر والصعب (الذي كان يحتوي على أمثلة قليلة جداً في البيانات)، فقد تمكن من إصابة الهدف أكثر من نصف المرات، وهو فوز كبير للذكاء الاصطناعي عند التعامل مع الأمراض النادرة.

لماذا هذا مهم؟

إنه قوي ومتين: من خلال خدعة "القاموس المشترك"، يتعامل النظام مع حقيقة أن أصوات القلب تختلف من شخص لآخر.
إنه ذكي: من خلال الجمع بين "التفاصيل المحلية" للشبكات الالتفافية (CNNs) و"الرؤية الشاملة" للمحولات (Transformers)، فإنه يرى الغابة والأشجار معاً.
المستقبل: يمكن أن يؤدي هذا إلى تطبيق على الهواتف الذكية أو جهاز بسيط يمكن لطبيب في قرية نائية استخدامه لتشخيص مشا مشاكل صمامات القلب فوراً، مما ينقذ الأرواح عبر اكتشاف المشكلات مبكراً.

باخت:// خلاصة القول: قام الباحثون ببناء ذكاء اصطناعي فائق الذكاء يقوم بترجمة أصوات القلب الفوضوية إلى خرائط تفصيلية مكونة من 8 طبقات، ثم يستخدم "قارئاً خارقاً" للنظر إلى الصورة بأكملها في وقت واحد، مما يسمح بتحديد مشاكل القلب بدقة تقارب الكمال.

إليك ملخص تقني مفصل للورقة البحثية بعنوان: "تصنيف لغط الانقباض في أصوات القلب باستخدام قاموس غابور المعقد متعدد الدقة ومحول الرؤية (Vision Transformer)."

1. بيان المشكلة

تعد أمراض القلب والأوعية الدموية (CVDs) سبباً رئيسياً للوفيات العالمية، مما يستلزم وجود أدوات تشخيصية دقيقة ومبكرة. لغط القلب (Heart murmurs)، الناتج عن تدفق الدم المضطرب، يعد مؤشراً حيوياً على الاعتلالات القلبية (مثل تضيق الصمامات أو ارتجاعها).

التحدي: تختلف لغط الانقباض بشكل كبير في الشدة، والحدة (pitch)، والجودة (المورفولوجيا/الشكل). وتواجه طرق التحليل التقليدية في النطاق الزمني والترددي صعوبة في التعامل مع الطبيعة غير المستقرة (non-stationary) والمعقدة لهذه الإشارات.
صعوبة محددة: غالباً ما تفشل نماذج التعلم العميق الحالية (مثل CNNs وRNNs) في التقاط الاعتمادات طويلة المدى أو السياق العالمي بفعالية. علاوة على ذلك، قد تفتقر تمثيلات الزمن-التردد القياسية (مثل STFT) إلى الدقة التكيفية اللازمة للتمييز بين الاختلافات المورفولوجية الدقيقة بين أنواع اللغط (Diamond، وPlateau، وDecrescendo، وCrescendo).
عدم توازن البيانات: تعاني مجموعات البيانات السريرية غالباً من عدم توازن شديد في الفئات، لا سيما فيما يتعلق بأنواع اللغط النادرة (مثل Crescendo)، مما يجعل التعلم الخاضع للإشراف القوي أمراً صعباً.

2. المنهجية

يقترح المؤلفون نظاماً هجيناً يتكون من وحدتين رئيسيتين: وحدة استخراج الميزات القائمة على معالجة الإشارات المتفرقة (sparse signal processing)، ونموذج تصنيف الميزات القائم على محول الرؤية (Vision Transformer - ViT).

أ. استخراج الميزات: قاموس غابور المعقد متعدد الدقة وCOMP

بدلاً من التحويلات القياسية، يستخدم النظام قاموس غابور المعقد متعدد الدقة (Multiresolution Complex Gabor Dictionary) مدمجاً مع البحث المتوازي المعقد (Complex Orthogonal Matching Pursuit - COMP).

بناء القاموس: يتم بناء قاموس زائد (redundant dictionary) باستخدام دوال أساس غابور المعقدة (atoms) المحددة بنوافذ غاوسية معدلة بجيب التمام (sinusoids). يغطي القاموس دقات متعددة من الدقة ( $j=1$ إلى $8$)، مما يخلق مقايضة بين الدقة الزمنية والترددية (مبدأ عدم اليقين لهيزنبرغ).
الإسقاط المتفرق (COMP): يتم إسقاط مقاطع اللغط (512 عينة) على هذا القاموس. وبخلاف طريقة OMP القياسية، تتعامل طريقة COMP مع الذرات ذات القيم المعقدة، مما يحافظ على معلومات الطور (phase information) (وهي ضرورية لتمييز توقيت الاضطراب وانزياح التردد).
النمذجة المشتركة: يعالج النظام مقاطع متعددة من تسجيل واحد في آن واحد باستخدام دعم قاموس مشترك (shared dictionary support). وهذا يفرض الاتساق في اختيار دوال الأساس عبر المقاطع المختلفة، مما يقلل من التباين داخل التسجيل الواحد.
إعادة التشكيل: يتم تقسيم متجهات الأوزان المعقدة المتفرقة الناتجة حسب الدقة وإعادة تشكيلها إلى مصفوفات ميزات الزمن-التردد (TF) ثنائية الأبعاد ( $A_j$ ). تمتلك هذه المصفوفات أبعاداً متغيرة (على سبيل المثال، من $2 \times 256$ إلى $256 \times 2$ ) بما يتوافق مع مختلف دقات الزمن-التردد.

ب. تصنيف الميزات: نموذج هجين (CNN-Vision Transformer)

يعالج نموذج التصنيف مصفوفات الزمن-التردد متعددة الدقات باستخدام بنية محول الرؤية (ViT) المكيفة لمعالجة الإشارات.

ترميز الرقع (Patch Tokenization): يتم إدخال كل مصفوفة زمن-تردد إلى فرع مخصص يحتوي على شبكة عصبية تلاففية ثنائية الأبعاد (2D CNN). تعمل الـ CNN كمرمز للرقع (patch tokenizer)، حيث تستخرج الميزات المحلية وتقلل الأبعاد إلى متجه تضمين (embedding vector) ثابت الحجم (31 بُعداً).
التضمين والدمج (Embedding & Concatenation): يتم دمج التضمينات من جميع فروع الدقة لتشكيل مصفوفة مدخلات واحدة للمحول.
مشفر المحول (Transformer Encoder):
- الانتباه الذاتي متعدد الرؤوس (Multihead Self-Attention): يلتقط الاعتمادات العالمية والعلاقات المتبادلة بين ميزات الدقة المختلفة.
- الشبكة الأمامية (FFN): تستخدم CNN أحادية الأبعاد (بأنوية حجمها 1) لإجراء تحويلات على مستوى القنوات.
- الاتصالات المتبقية وتطبيع الطبقة (Residual Connections & Layer Norm): يضمن استقرار تدفق الاشتقاق (gradient flow) وتقارب التدريب.
المخرجات: طبقة متصلة بالكامل تليها طبقة Softmax لتصنيف المدخلات إلى أحد أنواع اللغط الأربعة.

3. المساهمات الرئيسية

استخراج ميزات مبتكر: تطوير وحدة لاستخراج الميزات باستخدام البحث المتوازي المعقد (COMP) على قاموس غابور المعقد متعدد الدقة. يلتقط هذا النظام ميزات الزمن-التردد الجوهرية مع الحفاظ على تماسك الطور، وهو ما يُفقد في الطرق ذات القيم الحقيقية.
نمذجة المقاطع المشتركة: آلية لمعالجة مقاطع متعددة من اللغط من تسجيل واحد باستخدام دعم قاموس مشترك. يفرض هذا الاتساق في اختيار ذرات الزمن-التردد، مما يقلل بفعالية من مشكلات التباين والتداخل ضمن تسجيل المريض الواحد.
بنية هجينة: دمج الشبكات العصبية التلافيفية (CNNs) لاستخراج الميزات المحلية (الترميز) مع محول الرؤية (Vision Transformer) لتحليل السياق العالمي. يستفيد هذا من نقاط القوة في كلا البنيتين للتعامل مع الاعتمادات الهرمية وطويلة المدى لإشارات أصوات القلب.
تقييم شامل: اختبار صارم على مجموعة بيانات CirCor DigiScope التي تغطي أربعة أشكال مورفولوجية مختلفة للغط الانقباضي، مع معالجة تحدي عدم التوازن الشديد في الفئات.

4. النتائج التجريبية

تم تقييم النظام على مجموعة بيانات CirCor DigiScope (بمعدل أخذ عينات 4000 هرتز) باستخدام التحقق المتقاطع خماسي الطيات (5-fold cross-validation). تضمنت مجموعة البيانات 4,337 مقطعاً انقباضياً تم تصنيفها من قبل خبراء عبر أربع فئات: Diamond، وPlateau، وDecrescendo، وCrescendo.

مقاييس الأداء:
- أفضل تهيئة: "Proposed II" (الإسقاط المشترك لمقاطع متعددة).
- الدقة (Accuracy): 95.96% (المتوسط الكلي - Macro-averaged).
- النوعية (Specificity): 98.43% (أدنى معدل للنتائج الإيجابية الكاذبة).
- مقياس F1-Score: 81.87% (يُعزى انخفاض F1 إلى عدم التوازن الشديد في الفئات، وتحديداً ندرة عينات Crescendo، لكن النموذج حقق رغم ذلك 59.10% لـ F1 لهذه الفئة النادرة).
المقارنة: تفوق النظام المقترح بشكل كبير على النماذج المرجعية:
- نموذج ResNet مع ميزات STFT/CWT/WVD: حقق دقة تتراوحه بين ~81–87%.
- نموذج PCTMF-Net (الموازي CNN-Transformer): حقق دقة تتراوحه بين ~83–87%.
- حسّن الطريقة المقترحة الدقة بنسبة تقارب 10% مقارنة بأقوى نموذج مرجعي (CWT + ResNet).
دراسة الاستئصال (Ablation Study): أكدت الدراسة أن استخدام رؤوس انتباه متعددة (تحديداً 32 رأساً مع 32 قناة) حقق الأداء الأمثل، مما وازن بين التقاط الميزات التمييزية المتنوعة وسعة النموذج.

5. الأهمية والخاتمة

الأثر السريري: يوفر النظام أداة مؤتمتة عالية الدقة لتشخيص لغط الانقباض، وهي الأنواع الأكثر شيوعاً وثباتاً في التصنيف في الممارسة السريرية. وتعد النوعية العالية (98.43%) أمراً بالغ الأهمية لتقليل الإنذارات الكاذبة في سيناريوهات الفحص.
التقدم المنهجي: يثبت البحث أن التمثيل المتفرق (عبر قواميس غابور) مدمجاً مع الانتباه العالمي للمحول (Transformer) هو أفضل من مناهج التعلم العميق التقليدية للتعامل مع الإشارات الطبية الحيوية غير المستقرة.
المتانة: القدرة على الحفاظ على أداء عالٍ حتى مع وجود عدم توازن شديد في الفئات (مثل تحديد نوع Cresendo النادر بدقة) تسلط الضال على متانة النموذج وإمكانية نشره في العالم الحقيقي.
الاتجاهات المستقبلية: يخطط المؤلفون لتوسيع هذا الإطار ليشمل لغط الانقباض (Diastolic murmurs) (الذي يفتقر حالياً لتسميات مورفولوجية متسقة)، والتحقق من الصحة على مجموعات بيانات أكبر متعددة المراكز، واستكشاف النشر في الوقت الفعلي في نقاط الرعاية الطبية.

باختصار، نجح هذا البحث في الربط بين معالجة الإشارات المتقدمة (الترميز المتفرق باستخدام ذرات غابور المعقدة) والتعلم العميق الحديث (محولات الرؤية) لحل مشكلة حرجة في تشخيص أمراض القلب، محققاً نتائج هي الأفضل في مجالها لتصنيف لغط الانقباض.