🤖 AI

Anatomy-Slot: Unsupervised Anatomical Factorization for Homologous Bilateral Reasoning in Retinal Diagnosis

تقترح الورقة البحثية Anatomy-Slot، وهي طريقة غير خاضعة للإشراف تعمل على تفكيك رموز صور الشبكية إلى فترات تشريحية (anatomical slots) ومحاذاتها عبر العينين المتماثلتين من خلال الانتباه المتقاطع ثنائي الاتجاه، مما يحسن بشكل كبير دقة التشخيص الثنائي والمتانة مقارنة بالنماذج أحادية العين المرجعية.

المؤلفون الأصليون: Yingzhe Ma, Xiao Yang, Yuguo Yin, Zheyu Wang

نُشر 2026-05-14

📖 4 دقيقة قراءة☕ قراءة في استراحة قهوة

CC BY 4.0

المؤلفون الأصليون: Yingzhe Ma, Xiao Yang, Yuguo Yin, Zheyu Wang

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

تخيل أن عينيك هما فريق من محققين يعملان على نفس القضية. في عيادة الطبيب الحقيقية، عندما يفحص أمراض العين، لا يكتفي الطبيب بالنظر إلى العين اليسرى ثم اليمنى بشكل منفصل؛ بل يقارن بينهما جنبًا إلى جنب، بحثًا عن أي اختلافات طفيفة. فعلى سبيل المثال، إذا بدا "القرص البصري" (وهو النقطة التي يدخل منها العصب إلى العين) أكبر قليلاً أو أكثر تورمًا في عين واحدة مقارًا بالعين الأخرى، فإن ذلك يعد دليلًا ضخمًا على وجود خطب ما.

ومع ذلك، فإن معظم البرامج الحاسوبية الحالية (الذكاء الاصطناعي) التي تعمل كأطباء تشبه المحققين الذين ينظرون إلى عين واحدة فقط في كل مرة. فهي تحلل العين اليسرى، وتضع تخمينًا، ثم تحلل العين اليمنى، وتضع تخمينًا آخر، دون أن "تتحدث" حقًا مع بعضها البعض لتبادل الملاحظات.

يقدم هذا البحث نظام ذكاء اصطناعي جديدًا يسمى Anatomy-Slot، والذي يغير قواعد اللعبة عبر إجبار الكمبيوتر على مقارنة العينين صراحةً، تمامًا كما يفعل الطبيب البشري.

الفكرة الجوهرية: تشبيه "خزانة الملفات"

فكر في صورة العين كغرفة فوضوية ضخمة مليئة بالأثاث (الأوعية الدموية، القرص البصري، البقعة، إلخ).

الطريقة القديمة (النماذج أحادية العين): ينظر الذكاء الاصطناعي القديم إلى الغرفة الفوضوية ويحاول تخمين ما هو الخطأ من خلال النظر إلى الغرفة بأكملها ككتلة واحدة مشوشة. قد يغفل عن حقيقة أن كرسيًا معينًا مائل قليلاً لأنه يركز بشدة على الفوضى العامة.
الطريقة الجديدة (Anatomy-Slot): يعمل هذا النظام الجديد مثل خزانة ملفات ذكية. فبدلاً من النظر إلى الغرفة بأكملها، يقوم تلقائيًا بفرز الصورة إلى "فتحات" أو مجلدات محددة:
- الفتحة 1: القرص البصري (نقطة دخول العصب).
- الفتحة 2: البقعة (مركز الرؤية).
- الفتحة 3: الأوعية الدموية.
- الفتحة 4: الخلفية.

يقوم النظام بذلك دون أن يتم إخباره ماهية هذه الأشياء (تعلم غير مُوجّه). فهو يتعلم ببساطة تجميع الأجزاء المتشابهة معًا.

"المصافحة" بين العينين

هذا هو الجزء السحري. بمجرد أن يقوم الذكاء الاصطناعي بفرز "غرفة" العين اليسرى إلى هذه المجلدات المحددة، فإنه لا يتوقف عند هذا الحد، بل يمد يده عبر الطاولة إلى مجلدات العين اليمنى ليقوم بـ مصافحة رقمية.

يسأل: "مهلاً، الفتحة 1 (القرص البصري) في اليسرى، كيف يبدو شكل الفتحة 1 (القرص البصري) في اليمنى؟"
يقارن بينهما مباشرة. وإذا بدت الفتحة 1 في اليسرى مختلفة عن الفتحة 1 في اليمنى، فإن النظام يصنفها كمشكلة محتملة.

يطلق البحث على هذه العملية اسم "الانتباه المتبادل ثنائي الاتجاه" (bidirectional cross-attention). وباللغة البسيطة، هو ذكاء اصطناعي يتحقق باستمرار من ملاحظاته مقابل ملاحظات شريكه للعثور على أي عدم تطابق.

كيف اختبروا ذلك (اختبار "شد الحبل")

لإثبات أن هذا النظام يعتمد بالفعل على مقارنة العينين (وليس مجرد التخمين)، أجرى الباحثون اختبارًا ذكيًا:

اختبار الخلط: أخذوا صورة للعين اليسرى ودمجوها مع صورة عين يمنى عشوائية لمريض آخر. الأمر يشبه وضع ملاحظات محقق من القضية (أ) بجانب ملاحظات القضية (ب).
النتيجة: عندما أُجبر الذكاء الاصطناعي على مقارنة أعين مختلطة، انخفض أداؤه بشكل كبير. أثبت هذا أن النظام كان يعتمد بالفعل على المقارنة المحددة بين زوج العينين الصحيحين لاتخاذ تشخيصه. لو كان ينظر إلى عين واحدة فقط، لما أثر هذا الخلط على أدائه بهذا القدر.

كما اختبروا النظام مع "الضجيج" (مثل التشويش الموجود على شاشة التلفاز). وقد صمد النظام الجديد بشكل أفضل من الأنظمة القديمة، مما أظهر متانته.

النتائج

اختبر الباحثون هذا النظام على مجموعة بيانات تضم 5,000 صورة للعين (ODIR-5K).

المعيار القديم: حصل نموذج ذكاء اصطناعي رفيع المستوى على درجة 82.3% (AUC).
نظام Anatomy-Slot الجديد: سجل هذا النظام 86.5%.

قد يبدو هذا الرقم صغيرًا، ولكن في مجال الذكاء الاصطناዊ الطبي، تعد قفزة بنسبة 4.2% انتصارًا هائلاً. هذا يعني أن النظام يكتشف المزيد من الأمراض ويرتكب أخطاءً أقل.

لماذا هذا مهم (وفقًا للبحث)

يزعم البحث أنه من خلال إجبار الذكاء الاصطناعي على تفكيك الصورة إلى أجزاء تشريحية محددة (فتحات) ثم مقارنة تلك الأجزاء بين العينين، يصبح الكمبيوتر أكثر شبهاً بالاختصاصي البشري.

إنه قابل للتفسير: يمكننا بالفعل رؤية "الفتحة" التي ينظر إليها الذكاء الاصطناعي. في صور البحث، يظهرون أن "الفتحة 1" تضيء باستمرار فوق القرص البصري، و"الفتحة 2" فوق البقعة.
إنه غير مُوجّه (Unsupervised): استنتج الذكاء الاصطناعي مكان القرص البصري والبقعة دون أن يقوم البشر برسم مربعات حولهما أولاً. لقد تعلم التشريح من تلقاء نفسه.

الملخص

Anatomy-Slot هو طريقة جديدة لتعليم الحواسيب تشخيص أمراض العين. فبدلاً من معاملة العينين كغرباء منفصلين، يعلمها أن تكون شريكين. يقوم بتفكيك الصورة إلى أجزاء جسدية محددة (فتحات)، ويقارن تلك الأجزاء بين العين اليسرى واليمنى، ويستخدم هذه المقارنات للوصة إلى تشخيص أكثر دقة. وتظهر الاختبارات أنه عندما تتوقف عملية المقارنة، يصاب الذكاء الاصطناعي بالارتباك، مما يثبت أن هذا "الاستنتاج الثنائي" هو بالضبط ما يجعل أداءه أفضل.

ملخص تقني: Anatomy-Slot للتشخيص الثنائي لشبكية العين

بيان المشكلة
يعد تشخيص شبكية العين بطبيعته مهمة سريرية ثنائية الجانب، حيث يقارن الأطباء بين الهياكل المتماثلة (مثل عدم تماثل القرص البصري) عبر العين اليسرى واليمنى للكشف عن المرض. ومع ذلك، فإن معظم نماذج التعلم العميق الحالية تعمل على تمثيلات أحادية العين، حيث تعامل كل عين بشكل مستقل. يفترض المؤلفون أن التصنيف أحادي العين القائم على الملمس (texture-based) غير كافٍ للكشف عن الأمراض الثنائية، وأن المقارنة الهيكلية الصريحة ضرورية لتحقيق أداء متوافق سريريًا. وبينما يوجد نمذجة ثنائية الجانب وتفكيك للأجسام المتمحورة حول الكائنات (object-centric slot decomposition) بشكل مستقل في الأدبيات، فإن دمجها كأدوات مراسلة صريحة للاستدلال التشريحي المتماثل لم يتم اختباره تجريبيًا تحت ظروف خاضعة للضبط الإحصائي.

المنهجية: Anatomy-Slot
يعمل إطار العمل المقترح Anatomy-Slot على تفعيل فرضية المراسلة المتبادلة عبر العينين من خلال عنق زجاجة تشريحي غير خاضع للإشراف. يتكون خط المعالجة من المكونات التالية:

العمود الفقري والترميز (Backbone and Tokenization): بالنظر إلى زوج من صور قاع العين الثنائية $(x_L, x_R)$ ، يستخدم النموذج عمود فقري مشترك من نوع RETFound ViT-L لاستخراج رموز الرقع (patch tokens).
التفكيك التشريحي غير الخاضع للإشراف (Slot Attention): لكل عين، يتم تفكيك رموز الرقع إلى $K$ من "الفتحات" (slots) المتمحورة حول الأجسام باستخدام "انتباه الفتحة" (Slot Attention) (مع $I=3$ تكرارات). تقوم هذه العملية بتهيئة الفتحات كمعلمات قابلة للتعلم وتحديثها عبر آلية انتباه تنافسية (softmax فوق الفتحات، وإعادة تطبيع عبر الرموز) واستخدام وحدة GRU، مما ينتج مجموعة من تمثيلات الفتحات $S \in \mathbb{R}^{K \times D}$ لكل عين.
المراسلة المتبادلة بين العينين: لمحاذاة الهياكل المتماثلة، يستخدم النموذج انتباهًا متبادلًا ثنائي الاتجاه. تقوم فتحات العين اليسرى بالاستعلام عن فتحات العين اليمنى (والعكس بالعكس) باستخدام انتباه متبادل متعدد الرؤوس ( $H=8$ ). يسمح هذا للنموذج بمحاذاة الفتحات صراحةً عبر العينين، مما يخلق تمثيلًا مدركًا للمراسلة.
التعلم ذو الهدف المزدوج: يتم تدريب النموذج باستخدام هدف مشترك:
- خسارة التصنيف ( $L_{cls}$ ): خسارة خاضعة للإشراف قياسية لتشخيص المرض.
- خسارة إعادة البناء ( $L_{recon}$ ): مهمة مساعدة غير خاضعة للإشراف حيث تتنبأ كل فتحة بقيم RGB لكل رقعة ولوجيتات القناع (mask logits). يقوم فك تشفير خفيف الوزن بإعادة بناء صورة RGB منخفضة الدقة. تعمل هذه الخسارة على تثبيت تعلم الفتحات ومنع انهيارها (slot collapse).
- الهدف الإجمالي: $L = L_{cls} + 0.5 L_{recon}$ .
بروتوكول التدريب: تخضع وحدة الفتحة (slot module) لتدريب مسبق غير خاضع للإشراف على مجموعة تضم حوالي 20 ألف صورة لشبكية العين غير مصنفة. أثناء الضبط الدقيق الخاضع للإشراف على مجموعة البيانات المستهدفة، يتم إلغاء تجميد آخر كتلة ViT ومعلمات طبقة التقييس (layer normalization) فقط، بينما يتم تقليل تكرارات الفتحة إلى 3.

المساهمات الرئيسية

البنية: بنية مبتكرة قائمة على الفتحات ثنائية الجانب حيث تعمل الفتحات كوحدات مراسلة، وييسر الانتباه المتبادل تبادل المعلومات الصريح بين العينين.
الدقة الإحصائية: بروتوكول تقييم قوي يتضمن $n=10$ من البذور المستقلة، وفترات ثقة 95%، واختبار رانك ويلكوكسون للرتب الموقعة (Wilcoxon signed-rank test) لضمان الأهمية الإحصائية.
التحليل الآلي: اختبارات شاملة تختبر اعتماد النموذج على المراسلة، بما في ذلك تجارب تعطيل الاقتران، واختبار الإجهاد تحت ضوضاء غاوس، والتحليل الكمي لتمركز القرص البصري.

النتائج
عند التقييم على مجموعة بيانات ODIR-5K (تشخيص متعدد الملصقات ثنائي الجانب)، أظهرت الطريقة تحسنًا كبيرًا مقارنة بالنماذج المرجعية المتطابقة:

الأداء: يحقق Anatomy-Slot منحنى AUC كلي قدره 0.865، وهو تحسن بنسبة 4.2% عن نموذج ViT-L المرجعي المتطابق (0.823). هذا التحسن ذو دلالة إحصائية ( $W=0, p=0.002$ ).
دراسات الاستئصال (Ablation Studies):
- المعالجة الثنائية بدون الفتحات تحقق مكسبًا طفيفًا فقط (0.828 AUC).
- تفكيك الفتحات بدون التفاعل بين العينين يؤدي إلى أداء أقل (0.754 AUC).
- إزالة خسارة إعادة البناء تسبب انهيار الفتحات، مما يؤدي إلى تدهور الأداء إلى 0.729 AUC.
- يصل أداء النموذج الكامل إلى ذروته عند $K=8$ من الفتحات؛ حيث تؤدي الفتحات الأقل إلى نقص في تمثيل التشريح، بينما تؤدي الفتحات الأكثر إلى تشتيت المراسلة.
الاعتماد على المراسلة: عندما يتم تعطيل اقتران اليسار واليمين (خلط أثناء التقييم)، ينخفض أداء Anatomy-Slot بمقدار 18.3 نقطة (من 0.865 إلى 0.682)، بينما ينخفض أداء النموذج المرجعي بمقدار 3.2 نقطة فقط. يدعم هذا الفرضية القائلة بأن النموذج يعتمد على مطابقة الهياكل المتماثلة.
المتانة: تحت ضوضاء غاوس ( $\sigma=0.2$ )، يحافظ Anatomy-Slot على AUC قدره 0.685، متفوقًا على كل من النموذج المرجعي (0.578) ومتغير "بدون فتحات" (0.595).
التمركز (Grounding): في مجموعة بيانات REFUGE (نقل صفر المعلمات)، يحقق النموذج متوسط تقاطع فوق الاتحاد (mIoU) قدره 0.635 لتحديد القرص البصري باستخدام الفتحة 1، متفوقًا بشكل كبير على خط الأساس القائم على تجميع ميزات K-Means (0.452).
القابلية للفصل: تزداد نسبة فيشر (Fisher Ratio) في فضاء التمثيل قبل الأخير من 0.85 (النموذج المرجعي) إلى 1.62 (Anatomy-Slot)، مما يشير إلى تحسن في فصل الفئات.

الأهمية والادعاءات
يدعي البحث أن النمذجة الصريحة للمراسلة بين العينين عبر التفكيك التشريحي غير الخاضع للإشراف تحسن بشكل كبير أداء التشخيص في اكتشاف أمراض الشبكية. تشير النتائج إلى أن مكاسب الأداء تنبع تحديدًا من الجمع بين الفتحات المهيكلة المتمحورة حول الأجسام والمحاذاة بين العينين، وليس من المعالجة الثنائية أو تفكيك الفتحات بمفردهما.

يضع المؤلفون هذا العمل كخطوة نحو "ذكاء اصطناعي للشبكية متوافق سريريًا"، موضحين أن النماذج يمكنها التعلم الاعتماد على مطابقة الهياكل المتماثلة بطريقة غير خاضعة للإشراف. توفر التحليلات الآلية (تعطيل الاقتران، وتمركز الانتباه) دليلًا على أن سلوك النموذج يتوافق مع عملية الاستدلال السريري المتمثلة في مقارنة الهياكل المتماثلة. يقر المؤلفون بالقيود، بما في ذلك التقييم الذي يتم أساسًا على مجموعة بيانات واحدة والحاجة إلى مزيد من الاختبار في حالات عدم المحاذاة السريرية، لكنهم يخلصون إلى أن هذا النهج يقدم مسارًا لأنظمة دعم تشخيصي قابلة للتفسير.