M3Net: A Macro-to-Meso-to-Micro Clinical-inspired Hierarchical 3D Network for Pulmonary Nodule Classification

ملخص تقني: شبكة M3Net لتصنيف العقد الرئوية

بيان المشكلة
يعد التمييز الدقيق بين العقد الرئوية الحميدة والخبيثة في صور الأشعة المقطعية مهمة بالغة الأهمية ولكنها صعبة في سياق الفحص المبكر لسرطان الرئة. وبينما أظهرت نماذج التعلم العميق دقة تنبؤية عالية في معايير مثل LIDC-IDRI، إلا أنها غالبًا ما تعمل كـ "صناديق سوداء"، مما يفتقر إلى الشفافية والقابلية للتفسير اللازمين للدمج السريري. تفشل النهج الحالية كثيرًا في نمذجة المنطق التشخيصي الهرمي الذي يستخدمه أطباء الأشعة بشكل منهجي، والذي يتدرج من التفاصيل الهيكلية الدقيقة إلى السياق المحلي، وصولًا إلى العلاقات التشريحية العالمية. علاوة على ذلك، تعتمد العديد من النماذج على مدخلات أحادية النمط أو تقنيات تفسير لاحقة (post-hoc) لا تتوافق مع التمثيلات الميزة الداخلية للنموذج، مما يحد من موثوقيتها في السيناريوهات التشخيصية الواقعية.

المنهجية: M3Net
يقترح المؤلفون M3Net، وهي شبكة ثلاثية الأبعاد مبتكرة مستوحاة من سير العمل التشخيصي الهرمي لأطباء الأشعة. يعمل الإطار وفق مبدأ Macro $\rightarrow$ Meso $\rightarrow$ Micro (كلي $\leftarrow$ متوسط $\leftarrow$ دقيق)، حيث يدمج المعلومات السياقية متعددة المقاييس من خلال بروتوكول تدريب ثنائي المرحلة وآلية دمج انتباه هرمي.

1. استراتيجية المدخلات المستوحاة سريريًا:
   يعالج النموذج ثلاث رقع حجمية متداخلة تمثل مقاييس مكانية مختلفة:

• المقياس الدقيق ($X_{32}$): يلتقط هياكل العقدة الدقيقة (مثل التشرذم، الفصصية، والنسيج الداخلي).
• المقياس المتوسط ($X_{64}$): يشفر السياق المحلي والعلاقات المحيطة بالعقدة (مثل التقارب الوعائي، والمجاورة للجريب).
• المقياس الكلي ($X_{96}$): يمثل العلاقات المكانية العالمية والسياق التشريحي بعيد المدى (مثل ضغط الأنسجة، والاتصال الوعائي واسع النطاق).

2. الترميز والمحاذاة الخاص بكل مقياس:
   يتم معالجة كل مقياس بواسطة شبكة خلفية مخصصة (مثل ConvNeXt أو ResNet). ولضمان الاتساق الدلالي عبر المقاييس، يستخدم المؤلفون بروتوكول تدريب ثنائي المرحلة:

• المرحلة 1 (التدريب المسبق التمييزي): يتم تحسين كل فرع خاص بالمقياس بشكل مستقل باستخدام هدف تصنيف التقاطع العرضي (cross-entropy). يتم تجميد الطبقات الدنيا جزئيًا للحفاظ على تمثيلات الحواف والنسيج منخفضة المستوى.
• المرحلة 2 (المحاذاة عبر المقاييس): يتم ضبط الشبكة بدقة لفرض الاتساق بين المقاييس. يتضمن ذلك إسقاط الميزات الخاصة بكل مقياس في فضاء كامن موحد وتحسين فقد المحاذاة الهرمي ($\mathcal{L}_{align}$) الذي يتكون من:
  • فقد InfoNCE: يعظم المعلومات المتبادلة بين التضمينات الكامنة للمقاييس المختلفة.
  • محاذاة التباين (Covariance Alignment): يقلل مسافة فروينوس (Frobenius distance) بين مصفوفات التباين لكل مقياس لاستقرار هندسة الميزات.
  • تنظيم التعامد والنواة (Orthogonality and Nuclear Norm Regularization): يمنع انهيار التمثيل ويشجع على وجود فضاءات فرعية متنوعة ومتكاملة.

3. دمج الانتباه المتقاطع الهرمي:
   يتم دمج الميزات المتوافقة عبر آلية انتباه تدريجية تحاكي التفكير السريري:

• المرحلة الأولى (الاستدلال المحيطي): تتبادل التضمينات من المقاييس المنخفضة والمتوسطة إشارات الحدود والنسيج.
• المرحلة الثانية (استيعاب السياق): تتفاعل التضمينات ذات المقياس الكلي مع الميزات المحلية المنقحة لتعديل الإشارات الدقيقة بسياق أوسع.
• المرحلة الثالثة (التكامل): يقوم مشفر Transformer هرمي بدمج التسلسل المدمج، مع تطبيق تنظيم $l_2$ على أوزان الانتباه لمنع التركيز المفرط في الثقة، قبل التصنيف النهائي.

المساهمات الرئيسية

• الإطار الهرمي: يقدم البحث شبكة ثلاثية الأبعاد (M3) موجهة سريريًا (Macro-Meso-Micro) توائم استدلال النموذج مع سير العمل المعرفي لطبيب الأشعة، من التفاصيل الدقيقة إلى السياق العالمي.
• الدمج التدريجي متعدد المقاييس: يبني المنهج مدخلات متعددة المقاييس تدريجيًا ويستخدم مشفرات خاصة بكل مقياس مع إسقاط الفضاء الكامن وتعظيم المعلومات المتبادلة لضمان الاتساق الدلالي عبر المقاييس.
• أداء يمثل أحدث ما توصل إليه العلم: تُظهر التجارب المكثفة تفوق M3Net على النماذج المرجعية الحالية (بما في ذلك 3D-CNNs وResNets والنماذج القائمة على Transformer) في كل من مجموعة بيانات LIDC-IDRI ومجموعة بيانات سريرية جمعها المؤلفون (USTC-FHLN).
• القابلية للتفسير بالتصميم: على عكس الطرق اللاحقة، يدعم هيكل النموذج بطبيعته القابلية للتفسير من خلال هيكلة استخراج الميزات لتعكس الخطوات التشخيصية السريرية، مما يسهز التحقق المتبادل بين الإنسان والآلة.

النتائج التجريبية
قيم المؤلفون M3Net على مجموعتي بيانات:

• LIDC-IDRI: حققت M3Net دقة بلغت 86.96%، متفوقة على أفضل نموذج مرجعي (ResNet-18 بنسبة 82.67% وDeepLung بنسبة 83.70%) بمقدار 3.26%. كما حققت أعلى درجة F1-score (86.66%) وأعلى دقة متوازنة (80.12%).
• USTC-FHLN (البيانات السريرية): حقق النموذج دقة بلغت 84.24%، متفوقًا على أفضل نموذج مرجعي بنسبة 2.17%.
• دراسات الاستئصال (Ablation Studies):
  • أدى حذف أي مقياس منفرد (الدقيق، أو المتوسط، أو الكلي) إلى تدهور الأداء، مما يؤكد القيمة التكاملية للمعلومات متعددة المقاييس.
  • كان فقد المحاذاة الكامل (بما في ذلك حدود التباين، والتعامد، والنواة) حاسمًا، حيث ساهم فقد النواة بشكل كبير في الاتساق العالمي.
  • أشارت تصورات Grad-CAM إلى أن M3Net تنتج خرائط انتباه أكثر استقرارًا وتركيزًا مكانيًا حول مناطق العقد مقارنة بالنماذج المرجعية، والتي غالبًا ما أظهرت تنشيطًا مشتتًا فوق الأنسجة المحيطة.

الأهمية والادعاءات
يزعم البحث أن M3Net يوفر حلاً قويًا وذا صلة سريرية لتصنيف العقد الرئوية من خلال سد الفجوة بين الذكاء الاصطناوئي القائم على البيانات والممارسة السريرية. ومن خلال دمج المنطق التشخيصي الهرمي لطبيب الأشعة في بنية الشبكة، لا يحقق النموذج دقة فائقة فحسب، بل يقدم أيضًا عملية استدلال مهيكلة وقابلة للتفسير. ويرى المؤلفون أن هذا النهج يعزز موثوقية التشخيص بمساعدة الذكاء الاصطناعي، مما يسمح للأطباء بتقييم التنبؤات من منظور فيزيولوجي مرضي. وبينما يركز الإطار حاليًا على العقد الرئوية، يقترح المؤلفون إمكانية توسيع نموذج الاستدلال الهرمي (Macro-Meso-Micro) ليشمل مهام تصوير طبي أخرى تركز على الآفات، مثل تحليل آفات الكبد وتقييم كتل الثدي، بشرط إجراء التعديلات الخاصة بكل مهمة.