ConvNeXt-FD: A Fractal-Based Deep Model for Robust Biomedical Image Segmentation

ملخص تقني: ConvNeXt-FD لتجزئة الصور الطبية الحيوية القوية

بيان المشكلة
تعد تجزئة الصور الطبية الحيوية أمراً ضرورياً للتشخيص وتخطيط العلاج، لكنها تواجه تحديات كبيرة بسبب التباين المتأصل في الصور، والضجيج، وعدم تجانس الكثافة، والمورفولوجيا المعقدة. وبينما حققت بنيات التعلم العميق، وخاصة متغيرات U-Net ونماذج Vision Transformers الناشئة، تقدماً في هذا المجال، إلا أن تحقيق دقة قوية عند حدود الأجسام لا يزال أمراً صعباً. غالباً ما تعاني دوال الخسارة التقليدية، مثل الخسارة التقاطعية الثنائية (BCE) وخسارة Dice القياسية، مع الأجسام الصغيرة، وعدم توازن الفئات، والحدود الضبابية، مما يؤدي إلى دقة شكل غير مثالية في السياقات السريرية.

المنهجية
تقترح الورقة البحثية ConvNeXt-FD، وهو إطار عمل جديد للتعلم العميق مصمم لمعالجة هذه القيود من خلال بنية هجينة ودالة خسارة متخصصة.

• البنية: يتبنى النموذج بنية مشفر-فك تشفير (encoder-decoder) تشبه بنية U-Net.

  • المُشفّر (Encoder): بدلاً من الشبكات العصبية الالتفافية (CNNs) القياسية أو المحولات (Transformers)، يستخدم المُشفّر خلفية ConvNeXt (تحديداً متغيرات 'tiny' أو 'base' أو 'large'). يتضمن هذا التصميم مبادئ CNN الحديثة، بما في ذلك الالتفافات بعمق النواة الكبيرة (7×7)، وهياكل عنق الزجاجة المقلوبة المشابهة لكتل MLP في المحولات، وتطبيع الطبقة (Layer Normalization). يستخرج المُشفّر ميزات هرمية، منتجاً خرائط ميزات بدقة مكانية تتناقص تدريجياً.
  • فك التشفير (Decoder): يقوم فك التشفير بإعادة بناء قناع التجزئة عن طريق رفع عينات الميزات تدريجياً ودمج المعلومات الدلالية عالية المستوى مع التفاصيل المكانية دقيقة الحبيبات عبر وصلات تخطي (skip connections) من المُشفّر.
  • الفرع المساعد (Auxiliary Branch): لدعم خسارة الوعي بالحدود، يتنبأ فرع مساعد بخريطة البعد الكسوري (Fractal Dimension - FD).

• دالة الخسارة الهجينة: الابتكار الجوهري هو دالة خسارة هجينة ($L$) تجمع بين خسارة التجزئة القياسية وحداً تنظيمياً واعياً بالحدود مستوحى من الهندسة الكسرية:
  $$L = L_{Dice} + \lambda_{FD} L_{Boundary}$$

  • $L_{Dice}$: تضمن خسارة Dice القياسية دقة التداخل على مستوى البكسل، وهي فعالة بشكل خاص لمجموعات البيانات غير المتوازنة.
  • $L_{Boundary}$: هذا الحد مشتق من صيغة قابلة للتفاضل للبعد الكسوري. باستخدام طريقة عد الصناديق التفاضلية، يقدر النموذج البعد الكسوري للصورة المدخلة لإنشاء خريطة FD (الأساس الحقيقي). تهدف الخسارة إلى تقليل التفاوت بين خريطة الـ FD الحقيقية وخريطة الـ FD المتنبأ بها من قبل الفرع المساعد، مما يشجع النموذج صراحةً على تعلم تعقيد النسيج والحفاظ على عدم انتظام الحدود.

المساهمات الرئيسية

1. بنية مبتكرة: دمج خلفية ConvNext في إطار عمل U-Net لتجزئة الصور الطبية الحيوية، والاستفادة من التحيزات الاستقرائية للشبكات العصبية الالتفافية الحديثة لاستخراج الميزات بكفاءة.
2. التنظيم المستوحى من الكسور: تقديم حد خسارة واعٍ بالحدود يعتمد على البعد الكسوري. على عكس الخسائر الهندسية القياسية، يقوم هذا الأسلوب بقياس تعقيد النسيج وعدم الانتظام لتحسين دقة الشكل، خاصة في المناطق ذات الحدود الضبابية أو المعقدة.
3. تقييم شامل: تقييم صارم عبر ست مجموعات بيانات طبية حيوية عامة متنوعة: BUSI (تصوير الثدي بالموجات فوق الصوتية)، DDTI (تصوير الغدة الدرقية بالموجات فوق الصوتية)، FluoCells (الخلايا الفلورية)، IDRiD (قرص البصر)، ISIC2018 (آفات الجلد)، و MoNuSeg (النوى).

النتائج التجريبية
قيم المؤلفون ConvNeXt-FD باستخدام مقاييس تشمل معامل Dice، ومؤشر Jaccard، والدقة (Accuracy)، والحساسية (Sensitivity)، والنوعية (Specificity)، ومعدل الإيجابيات الكاذبة. تشمل النتائج الرئيسية ما يلي:

• الأداء: حقق النموذج نتائج تنافسية وغالباً ما تكون هي الأفضل في فئتها (state-of-the-art) عبر جميع مجموعات البيانات الست. شملت الأداءات الملحوظة درجة Dice بلغت 96.19% في مجموعة IDRiD (قرص البصر)، و 89.12% في ISIC2018 (آفات الجلد)، و 85.10% في FluoCells.
• تعلم النقل (Transfer Learning): ثبت أن تهيئة مُشفّر ConvNext بأوزان مدربة مسبقاً على ImageNet أمر بالغ الأهمية. أظهرت مجموعات البيانات ذات تحديات الحدود الدقيقة (مثل BUSI و DDTI) تحسينات في درجات Dice تزيد عن 16% عند استخدام الأوزان المدربة مسبقاً مقارنة بالتدريب من الصفر.
• حساسية المعلمات الفائقة (Hyperparameter Sensitivity): وُجد أن عامل الوزن $\lambda_{FD}$ لخسارة الكسور يعتمد على المهمة. على سبيل المثال، استفادت تجزئة آفات الجلد (ISIC2018) من وزن أعلى ($\lambda_{FD}=0.50$)، بينما أدت مجموعات بيانات الموجات فوق الصوتية بشكل أفضل مع تنظيم أخف ($\lambda_{FD}=0.01$).
• المقارنة: تفوق ConvNeXt-FD أو كافأ طرقاً مختلفة من الأفضل في فئتها، بما في ذلك U-Net++، و TransUNet، و Swin-Unet، وشبكات التجزئة الطبية المتخصصة، مما أظهر قوة ضد ضجيج الـ speckle والحدود غير الواضحة.

الأهمية والادعاءات
تزعم الورقة أن ConvNeXt-FD يوفر حلاً قوياً ومتعدد الاستخدامات لتجزئة الصور الطبية الحيوية من خلال الموازنة بفعالية بين الفهم السياقي العالمي ودقة الحدود المحلية. ويؤكد المؤلفون أن دمج مُشفّر ConvNext مع تنظيم الحدود المستوحى من الكسور ينجح في التقاط كل من الميزات الدلالية عالية المستوى وتفاصيل الحدود دقيقة الحبيبات. يؤدي هذا إلى تجزئة أكثر دقة وذات صلة سريرية، خاصة في السياقات الصعبة حيث تكون دقة الشكل أمراً بالغ الأهمية. يسلط العمل الضوء على إمكانية الجمع بين بنيات CNN الحديثة ودوال الخسارة المستوحاة هندسياً للتغلب على قيود نماذج التجزئة الحالية.

القيود والتوجهات المستقبلية
يقر المؤلفون بأن خسارة الوعي بالحدود الحالية تتضمن تقديراً عددياً للبعد الكسوري. ويُقترح في العمل المستقبلي استكشاف صيغ أكثر مباشرة وقابلية للتفاضل للمقاييس القائمة على الشكل (مثل تلك المستمدة من النقل الأمثل أو التعلم العميق الهندسي) واستراتيجيات تكيفية لـ $\lambda_{FD}$. بالإضافة إلى ذلك، يقترح المؤلفون توسيع إطار العمل ليشمل دمج البيانات متعددة الأنماط، وتجزئة المثيل (instance segmentation)، وتحسين الكفاءة الحسابية، وتقدير عدم اليقين.