Towards the automated segmentation of epicardial and mediastinal fats: A multi-manufacturer approach using intersubject registration and random forest

ملخص تقني: نحو التجزئة الآلية للدهون فوق الشغاف والدهون المنصفية

بيان المشكلة
يعد قياس كمية الأنسجة الدهنية القلبية، وتحديداً الدهون فوق الشغاف (epicardial) والدهون المنصفية (mediastinal)، أمراً ذا أهمية سريرية بالغة، حيث ترتبط هذه الأنسجة بمختلف عوامل خطر الإصابة بأمراض القلب والأوعية الدموية، بما في ذلك تكلس الشرايين التاجية، والرجفان الأذيني، وتصلب الشريان السباتي. وبخلاف دهون الجسم العامة، تختلف الدهون القلبية بشكل مستقل عن السمنة الإجمالية للمريض، مما يستلزم تحليلاً كمياً محدداً. وبينما توفر الأشعة المقطعية (CT) دقة مكانية فائقة لهذه المهمة مقارنة بالتصوير بالرنين المغناطيسي أو تخطيط صدى القلب، فإن التجزئة اليدوية عرضة بشدة للتباين بين المراقبين وبين الملاحظة الواحدة. وغالباً ما تعاني الطرق المؤتمتة أو شبه المؤتمتة الحالية من معدلات نجاح منخفضة، أو تتطلب تدخلاً كبيراً من المستخدم (مثل وضع نقاط التحكم)، أو تفتقر إلى القوة والمتانة عبر مختلف الشركات المصنعة لأجهزة الأشعة المقطعية. يعالج هذا العمل الحاجة إلى طريقة مؤتمتة بالكامل، وقابلة للتكرار، لتجزئة كل من الدهون فوق الشغاف والدهون المنصفية من صور الأشعة المقطعية القياسية المستخدمة في تقييم تكلس الشرايين التاجية، مع حد أدنى من تدخل المستخدم.

المنهجية
يتكون النهج المقترح من مرحلتين أساسيتين: التسجيل بين الأفراد (intersubject registration) والتجزئة القائمة على التصنيف.

1. التسجيل بين الأفراد:
لتوحيد وضعيات القلوب عبر مختلف المرضى والشركات المصنعة (Siemens و Philips) دون الحاجة لوضع علامات يدوية، طور المؤلفون طريقة تسجيل ذاتية.

• بناء الأطلس: تم إنشاء أطلس للمنطقة خلف القص (المنطقة خلف عظمة القص) عن طريق حساب متوسط 10 شرائح خلف قصية مواءمة يدوياً من مرضى مختلفين، مع قصرها على نطاق كثافة الدهون (0 وحدة هونسفيلد HU أو أعلى).
• التعرف: يتعرف النظام على المنطقة خلف القص في شرائح المريض الجديد عن طريق تحريك الأطلس وحساب درجة تشابه باستخدام المعلومات المتبادلة الموزونة (Weighted Mutual Information - WMI).
• التأكيد الاستدلالي: لتحسين معدل التعرف الأولي البالغ 70% لـ WMI، تم إدخال طريقة تأكيد استدلالية. تتحقق هذه الطريقة من الموقع من خلال فحص استمرارية مستودعات الدهون. وهي تحدد منطقة مستطيلة مركزية وتتتبع نقطتين ($p_l$ و $p_r$) في اتجاهي الأسفل يساراً والأسفل يميناً. ويتم التحقق من الموقع إذا التقى خط "الربط" الناتج بمعايير محددة للعرض، والإزاحة، والمسافة بالنسبة لعرض الصورة. وقد رفع هذا الجمع من نسبة نجاح التعرف إلى 100%.
• التحويل: بمجرد تحديد مركز المنطقة خلف القص، يتم تطبيق تحويل أفيني (affine transformation) لنقل جميع شرائح المريض إلى نقطة مركزية مشتردة، مما يؤدي إلى تطبيع موقع القلب.

2. التجزئة القائمة على التصنيف:
بعد عملية التسجيل، يتم إجراء التجزئة باستخدام نهج تعلم آلي تحت إشراف (تصنيف البكسل).

• الحقيقة الأرضية (Ground Truth): قام متخصصان (فيزيائي وعالم حاسوب) بتجزئة الدهون فوق الشغاف والدهون المنصفية يدوياً في 20 مريضاً (1000 شريحة) لإنشاء مجموعة بيانات الحقيقة الأرضية.
• استخراج الميزات: لكل بكسل، تم إنشاء متجه ميزات يتضمن:
  • مستوى رمادي البكسل.
  • الإحداثيات المكانية المطلقة والنسبية (بالنسبة لمركز الثقل) ($x, y, z$).
  • ميزات قائمة على النسيج مشتقة من نافذة محيطة (على سبيل المثال 25×25 بكسل)، بما في ذلك المتوسط الحسابي، وعزوم مصفوفة التواجد المشترك، والعزوم الهندسية، ونسبة التشغيل، وعدم انتظام المستوى الرمادي، ومعامل التباين السلس (CSV).
• اختيار الخوارزمية: تم تقييم العديد من المصنفات من مكتبة Weka. وبينما أظهر المصنف J48Graft دقة عالية، تم اختيار خوارزمية الغابة العشوائية (Random Forest) باعتبارها التوازن الأمثل بين الدقة وتشتت التجزئة.

المساهمات الرئيسية

• سير عمل مؤتمت بالكامل: يلغي هذا النهج الحاجة إلى نقاط تحكم يدوية أو وضع علامات، وهو ما يمثل عقبة شائعة في النهج شبه المؤتمتة السابقة.
• القوة عبر تعدد الشركات المصنعة: تم التحقق من صحة النهج باستخدام بيانات الأشعة المقطعية من شركتين مختلفتين (Siemens و Philips)، مما أظهر القدرة على التكيف مع بروتوكولات الاستحواذ المتنوعة.
• تجزئة الأنسجة المزدوجة: على عكس العديد من الأعمال السابقة التي ركزت فقط على الدهون فوق الشغاف، تقوم هذه الطة بتجزئة كل من الدهون فوق الشغاف والدهون المنصفية في آن واحد، مع التمييز بينهما بناءً على حدود غشاء التأمور.
• الحقيقة الأرضية العامة: يوفر المؤلفون مجموعة بيانات متاحة للجمهور من صور الأشعة المقطعية القلبية المجزأة يدوياً وبيانات الميزات المقابلة لها، مما يعالج نقص المعايير المرجعية في هذا المجال.

النتائج
تم تقييم الطريقة باستخدام مجموعة بيانات تبلغ حوالي 3 جيجابايت مستمدة من 20 مريضاً. تم تقييم الأداء باستخدام أنماط تقسيم 66% واختبار التحقق المتبادل ذي 10 طيات.

• الدقة: بلغت دقة متوسط تجزئة الدهون فوق الشغاف والدهون المنصفية 98.4%.
• معدل الإيجاب الحقيقي: بلغ متوسط معدل الإيجاب الحقيقي 96.2%.
• مؤشر تشابه دايس (Dice Similarity Index): بلغ متوسط مؤشر تشابه دايس 96.8%.
• المقارنة: بالمقارم مع الأدبيات الحالية (مثل Shahzad et al. بنسبة 89.15% لمؤشر دايس، و Ding et al. بنسبة 93.0% لـ دايس)، حقق هذا العمل درجة دايس أعلى (97.9% للدهون فوق الشغاف في تقسيم 66%) ومعدل نجاح تجزئة تلقائية بنسبة 100% (82/82 حالة)، بينما سجلت الطرق المؤتمتة بالكامل الأخرى معدلات نجاح أقل أو لم توفر هذا المقياس.

الأهمية والقيود
يدعي البحث أن دمج التسجيل بين الأفراد مع تصنيف الغابة العشوائية يقدم حلاً قوياً للقياس الكمي المؤتمت للدهون القلبية، مما قد يعزز القيمة التنبؤية لتجارب الأشعة المقطعية القلبية ويقلل من تباين المراقبين. يشير المؤلفون إلى أن خوارزمية الغابة العشوائية تفوقت على الشبكات العصبية والمصنفات الوظيفية الأخرى في تحليلهم.

ومع ذلك، يقر المؤلفون بتواضع بوجود قيد كبير وهو: وقت المعالجة. في جهاز كمبيوتر شخصي قياسي (ثنائي النواة، 4 جيجابايت رام)، تستغرق الخوارزمية حالياً عدة ساعات لتجزئة مريض واحد بالكامل بسبب استخراج الميزات المكثف وحجم مجموعة البيانات الكبير. ويقترح المؤلفون أن العمل المستقبلي يجب أن يركز على تقييم الميزات بشكل مكثف لاختيار السمات الأكثر أهمية فقط، مما سيقلل من حجم مجموعة البيانات ويسرع خطوة التصنيف.