A Hierarchical Ensemble Inference Pipeline for Robust White Blood Cell Classification Under Domain Shifts

ملخص تقني: خط معالجة استدلال تجميعي هرمي لتصنيف خلايا الدم البيضاء بمتانة عالية

1. بيان المشكلة

يعد التصنيف الآلي لخلايا الدم البيضاء (WBC) أمراً بالغ الأهمية لفحص سرطان الدم (اللوكيميا) على نطاق واسع. ومع ذلك، تواجه نماذج التعلم العميق التقليدية تحديات كبيرة في النشر السريري الواقعي بسبب:

• انزياحات النطاق (Domain Shifts): التباين في بروتوكولات الصبغ، وخصائص الماسحات الضوئية، والاختلافات بين المختبرات.
• عدم توازن الفئات (Class Imbalance): الأهمية السريرية للأنواع الفرعية النادرة (مثل الخلايا الأرومية/Blasts) غالباً ما يتم التقليل من شأنها بسبب الانتشار الطاغي لأنواع الخلايا الشائعة.
• مشكلات التعميم (Generalization Issues): غالباً ما تعاني نماذج الشبكات العصبية التلافيفية (CNN) ونماذج المحولات الرؤيوية (ViT) القياسية في التعميم على مستوى المريض والقدرة على الأداء القوي عبر مجموعات البيانات المختلفة.

2. المنهجية

يقترح المؤلفون خط معالجة تجميعي هرمي مكون من ثلاث مراحل، صُمم للتخفيف من انزياحات النطاق وعدم توازن الفئات من خلال الاستدلال المعزز بالاسترجاع.

المرحلة الأولى: الضبط الدقيق (استخراج الميزات)

• العمود الفقري (Backbone): يستخدم المؤلفون DinoBloom، وهو عمود فقري مدرب مسبقاً، ويقومون بتكييفه باستخدام LoRA (التكيف منخفض الرتبة) لضمان كفاءة المعلمات وقابلية نقل التمثيلات (embeddings).
• هدف التدريب: يستخدمون دالة فقدان هجينة تجمع بين التعلم الخاضع للإشراف الذاتي (SSL) والتعلم الخاضع للإشراف. وتحديداً، يستخدمون مخطط "المعلم-الطالب" بنظام المتوسط المتحرك الأسي (EMA) مع فقدان من نوع DINO لمحاذاة الميزات، إلى جانب فقدان "الاعتراض المتقاطع متوازن الفئات" للتعامل مع عدم توازن الملصقات.

المرحلة الثانية: بناء بنك الميزات

• بدلاً من الاعتماد فقط على طبقة تصنيف نهائية، يستخرج النموذج تمثيلات (embeddings) معيرة بمعيار $\ell_2$ من العمود الفقدي الذي تم ضبطه بدقة.
• يتم تخزين هذه التمثيلات، جنباً إلى جنب مع ملصقاتها الهرمية ثلاثية المستويات (النسب $\leftarrow$ النوع الفرعي $\leftarrow$ فئة الورقة)، في بنك ميزات (Feature Bank).

المرحلة الثالثة: استدلال kNN الهرمي

• الاسترجاع: بالنسبة لصورة استعلام، يقوم النظام باسترجاع أقرب $k$ من الجيران (kNN) من بنك الميزات باستخدام تشابه جيب التمام (cosine similarity).
• التصويت من العام إلى الخاص (Coarse-to-Fine Voting): يتبع الاستدلال هيكلاً هرمياً؛ حيث يتنبأ أولاً بالنسب العلوي (مثل Myeloid أو Lymphoid أو Blast) عبر التصويت بالأغلبية.
• الاتساق الهرمي: بالنسبة للمستويات اللاحقة، يتم تقييد مساحة البحث فقط ضمن "الأبناء" التابعين للأصل الذي تم التنبؤ به سابقاً. هذا يمنع النموذج من ارتكاب أخطاء غير ممكنة بيولوجياً (مثل التنبؤ بفئة فرعية من نوع Lymphoid تحت نسب Myeloid)، مما يعزز بشكل كبير استقرار التنبؤات للفئات النادرة.
• التجميع (Ensembling): يتم تثبيت المخرجات النهائية باستخدام التصويت بالأغلبية متعدد الانقسامات (multi-split majority voting)، عبر تجميع التنبؤات عبر تقسيمات بيانات مختلفة لتحسين المتانة.

3. المساهمات الرئيسية

1. استراتيجية الاستدلال الهرمي: نهج مبتدئ يعتمد على kNN من العام إلى الخاص يفرض الاتساق البيولوجي ويخفف من انحياز الفئة الأكثر شيوعاً.
2. التكيف الفعال: استخدام الضبط الدقيق بتقنية LoRA على عمود فقري من نوع DinoBloom لإنتاج تمثيلات عالية الجودة وقابلة للنقل لعمليات الاسترجاع.
3. إطار عمل المتانة: الجمع بين التدريب الهجين (SSL-supervised) والتجميع متعدد الانقسامات لمكافحة انزياحات النطاق وتوزيعات الفئات ذات الذيل الطويل.

4. النتائج

• الأداء: حققت الطريقة المقترحة درجة F1-macro بلغت 0.682 على مجموعة بيانات WBCBench، مما وضعها ضمن أفضل عشر نتائج.
• المقارنة: تفوق نهج DinoBloom + LoRA على النماذج القياسية الخاضعة للإشراف (ResNet-50, Swin-T, ViT-B)، بل وتجاوز قلياً عمليات الضبط الدقيق الكامل لنماذج أكبر مثل ConvNeXt-L.
• رؤى الدراسة الاستقصائية (Ablation Insights):
  • الهرمية مهمة: أدى تفعيل القيود الهرمية إلى رفع درجة F1-macro بشكل ملحوظ (من ~0.62 إلى ~0.68) مقارنة بـ kNN القياسي.
  • مكاسب التجميع: وفرت زيادة عدد انقسامات التجميع تحسينات ثابتة وتدريجية في المتانة.

5. الأهمية

يُظهر هذا البحث أنه بالنسبة لمهام التصوير الطبي المتخصصة للغاية، فإن الاستدلال الهرمي المعزز بالاسترجاع يمكن أن يكون أكثر متانة من التصنيف القياسي المتكامل (end-to-end). ومن خلال الاستفادة من التصنيفات البيولوجية لتقييد مساحة القرار، يصبح النموذج أكثر موثوقية في تحديد الخلايا النادرة والحساسة سريرياً (مثل الخلايا الأرومية/Blasts) حتى عند مواجهة انزياحات النطاق الشائعة في مختبرات علم الأمراض الواقعية. وهذا يمهد الطريق لنماذج "أساسية" (Foundation Models) أكثر قدرة على التعميم في مجال أمراض الدم.