Classification of COVID-19 cases from chest CT volumes using hybrid model of 3D CNN and 3D MLP-Mixer
تقترح هذه الورقة نموذجاً هجيناً يجمع بين الشبكات العصبية التلافيفية ثلاثية الأبعاد (3D CNN) ومزيج الشبكات متعددة الطبقات ثلاثية الأبعاد (3D MLP-Mixer) للتصنيف الآلي لمرض كوفيد-19 من أحجام الأشعة المقطعية للصدر، محققةً دقة بنسبة 79.5% تتفوق على نهج الشبكات العصبية التلافيفية ثلاثية الأبعاد التقليدية من خلال الاستفادة الفعالة من ميزات الصور المحلية والعالمية معاً.
تخيل أنك محقق يحاول حل لغز داخل صندوق ألغاز عملاق ثلاثي الأبعاد. هذا ليس صندوقاً للألعاب، بل هو خريطة رقمية لصدر بشري، مكونة من آلاف الشرائح الصغيرة التي تسمى الأشعة المقطعية (CT scans). لسنوات، استخدم الأطباء هذه الأشعة لرصد المشكلات، مثل فيروس يختبئ في الرئتين. لكن فحص كل شريحة يدوياً هو عمل مرهق للغاية، خاصة عندما يكون "اللغز" عبارة عن فيروس سريع الانتشار يغمر المستشفيات. ولمساعدة البشر، بنى العلماء "محققين حاسوبيين" يُطلق عليهم الذكاء الاصطناعي (AI). يستخدم هؤلاء المحققون الحاسوبيون عادةً أداتين رئيسيتين: إحداهما بارعة في رصد الأدلة المحلية الصغيرة (مثل العدسة المكبرة)، والأخرى جيدة في رؤية الصورة الكاملة دفعة واحدة (مثل طائرة بدون طيار تحلق في الأعلى). السؤال الكبير هو: هل يمكننا تعليم الكمبيوتر استخدام هاتين الأداتين في نفس الوقت لرصد الفيروس بشكل أسرع وأكثر دقة من ذي قبل؟
تقدم هذه الورقة نوعاً جديداً من المحققين الحاسوبيين المصمم خصيصاً لحل لغز كوفيد-19 في الأشعة المقطعية للصدر. قام المؤلفون، وهم فريق من الباحثين من اليابان، ببناء نموذج "هجين" — وهو تعاون بين نوعين مختلفين من عقول الذكاء الاصطالي. الجزء الأول هو 3D CNN (الشبكة العصبية الالتفافية ثلاثية الأبعاد)، والتي تعمل مثل مجهر فائق التركيز؛ فهي تمسح الحجم ثلاثي الأبعاد للرئة للعثور على التفاصيل المحلية الصغيرة، مثل البقع الصغيرة من العتامة أو "الزجاج المغشى" التي تظهر غالباً عندما يهاجم الفيروس. أما الجزء الثاني فهو 3D MLP-Mixer، وهو نوع أحدث من الذكاء الاصطناعي يعمل كخبير في حل الألغاز. فبدلاً من النظر إلى بقعة واحدة فقط، يأخذ جميع الأدلة التي وجدها المجهر ويمزجها معاً لفهم "الصورة الكبيرة" للرئة بأكملها.
اختبر الباحثون هذا الفريق الهجين الجديد على مجموعة بيانات مكونة من 1,205 حجماً من الأشعة المقطعية للصدر جُمعت من مستشفيات مختلفة في اليابان. قاموا بتقسيم البيانات، حيث استخدموا 80% لتدريب الذكاء الاصطناعي و 20% لاختبار مهاراته. وعندما خضع النموذج الهجين للاختبار، حدد بشكل صحيح ما إذا كان المريض لديه احتمالية عالية أو منخفضة للإصابة بكوفيد-19 بدقة بلغت 79.5%. ولرؤية ما إذا كان هذا الفريق الهجين أفضل حقاً من الطريقة القديمة في القيام بالأشياء، قارن المؤلفون نتائجه بنموذج قياسي استخدم فقط "المجهر" (3D CNN) متبوعاً بطبقات بسيطة. وصل ذلك النموذج القديم إلى دقة 74.8% فقط. تشير النتائج إلى أن إضافة "خبير حل الألغاز" (3D MLP-Mixer) يساعد حقاً الكمبيوتر على فهم الأنماط المعقدة للالتهاب الرئوي الفيروسي بشكل أفضل من استخدام المجهر وحده. ومع ذلك، يشير المؤلفون إلى أنه على الرغم من أن هذا تحسن ملموس، إلا أن الدقة ليست مثالية بعد، وهناك حاجة لمزيد من العمل — مثل استخدام المزيد من البيانات وتقنيات تدريب مختلفة — قبل أن يمكن استخدام هذه الأداة بشكل روتيني في العيادات الواقعية.
ملخص تقني: تصنيف حالات كوفيد-19 من أحجام الأشعة المقطعية للصدر باستخدام نموذج هجين يجمع بين الشبكة العصبية التلافيفية ثلاثية الأبعاد (3D CNN) ومزيج الـ MLP ثلاثي الأبعاد (3D MLP-Mixer)
بيان المشكلة أدى الانتشار العالمي السريع لمرض فيروس كورونا المستجد 2019 (كوفيد-19) إلى نقص كبير في الكوادر البشرية في المؤسسات الطبية، مما استدعى ضرورة وجود سير عمل تشخيصي فعال. وبينما يُعد اختبار تفاعل البوليميراز المتسلسل بالنسخ العكسي (RT-PCR) هو أداة التشخيص القياسية، إلا أن حساسيته المسجلة تتراوح فقط بين 42% و71%. وفي المقابل، يُظهر التشخيص القائم على الأشعة المقطعية للصدر حساسية مسجلة تبلغ 97%، مما يجعلها وسيطًا حيويًا لتحديد الالتهاب الرئوي الفيروسي. ومع ذلك، فإن التفسير اليدوي لأحجام الأشعة المقطعية يستغرق وقتًا طويلاً. وتعتمد أنظمة التشخيص بمساعدة الحاسوب (CAD) المؤتمتة الموجودة حاليًا غالبًا على الشبكات العصبية التلافيفية (CNNs)، والتي تتقيد بمجالات استقبالها (receptive fields) وتعتمد بشكل أساسو على الميزات الصورية المحلية. ومن ناحيد أخرى، تأخذ نماذج المحولات الرؤية (ViT) الميزات العالمية في الاعتبار، لكنها تتطلب كميات هائلة من بيانات التدريب لتحقيق أداء عالٍ، وهو أمر غير متوفر غالبًا في سياق التصوير الطبي. ويكمن التحدي في تطوير طريقة تصنيف مؤتمتة تستفيد بفعالية من الميزات المحلية والعالمية معًا من أحجام الأشعة المقطعية ثلاثية الأبعاد، مع بقائها قوية في ظل محدودية بيانات التدريب.
المنهجية يقترح المؤلفون طريقة تصنيف مؤتمتة لأحجام الأشعة المقطعية للصدر باستخدام نموذج هجين يجمع بين شبكة عصبية تلافيفية ثلاثية الأبعاد (3D CNN) ونسخة ثلاثية الأبعاد من نموذج (MLP-Mixer).
المعالجة المسبقة: تخضع أحجام الأشعة المقطعية للصدر لعملية تقسيم الرئة لعزل مناطق الرئة. يتم إزالة الشرائح المحورية التي تفتقر إلى أنسجة الرئة، ويتم تغيير حجم الجزء المتبقي إلى دقة ثابتة تبلغ 192×192×128 فوكسل (voxel).
استخراج الميزات بواسطة 3D CNN: تتم معالجة الجزء المتبقل بواسطة 3D CNN لاستخراج ميزات الصورة المحلية. يستخدم هذا القسم اتصالات التجميع الكثيفة (dense pooling connections)، مستخدمًا مزيجًا من التجميع الأقصى (max pooling) والتجميع المتوسط (average pooling) (التجميع المختلط) لتقليل فقدان المعلومات والتقاط المعلومات المكانية عبر مقاييس متعددة. المخرج يكون عبارة عن حجم ميزات ثلاثي الأبعاد.
توليد الرقع ثلاثية الأبعاد (3D Patch Generation): يتم استخراج رقع ثلاثية الأبعاد غير متداخلة بحجم 4×4×4 فوكسل من حجم الميزات ثلاثي الأبعاد. يتم إعادة تشكيل كل رقعة إلى متجه أحادي البعد يحتوي على C=64 مكونًا.
التصنيف بواسطة 3D MLP-Mixer: قام المؤلفون بتوسيع بنية MLP-Mixer الأصلية المصممة للصور ثنائية الأبعاد للتعامل مع الأحجام ثلاثية الأبعاد. تعمل مجموعة الرقع ثلاثية الأبعاد كمدخل (X∈RS×C) لنموذج 3D MLP-Mixer. يعالج النموذج هذه المدخلات من خلال L من الطبقات، حيث تتكون كل طبقة من كتلتين من الـ MLP:
خلط الرموز (Token-mixing): يقوم بخلط الميزات عبر الرقع لدمج السياق العالمي.
خلط القنوات (Channel-mixing): يقوم بخلط الميزات داخل الرقعة الواحدة. يتم تمرير المخرج النهائي عبر التجميع المتوسط العالمي وطبقات متصلة بالكامل لإنتاج تصنيف ثنائي (احتمالية عالية مقابل احتمالية منخفضة للإصابة بكوفيد-19).
المساهمات الرئيسية
البنية الهجينة: يقدم البحث نموذجًا هجينًا مبتكرًا يدمج شبكات 3D CNN لاستخراج الميزات المحلية مع 3D MLP-Mixer لدمج الميزات العالمية. وهذا يعالج قصور الشبكات التلافيفية الصرفة (التركيز المحلي) ونماذج Transformers/MLP-Mixers الصرفة (الجوع للبيانات).
تكييف 3D MLP-Mixer: نجح المؤلفون في تعديل بنية MLP-Mixer، المصممة أصلاً للصور ثنائية الأبعاد، لمعالجة البيانات الحجمية ثلاثية الأبعاد عن طريق تكييف آليات التجزئة والخلط لتناسب الفضاء ثلاثي الأبعاد.
الكفاءة مع البيانات المحدودة: صُمم النهج الهجين لتحقيق أداء تصنيف عالٍ حتى مع عدد محدود من عينات التدريب، وهو قيد شائع في التصوير الطبي، وذلك من خلال الاستفادة من 3D CNN لاستخراج ميزات محلية قوية قبل عملية الخلط العالمي.
النتائج التجريبية تم تقييم الطريقة المقترحة على مجموعة بيانات تضم 1,205 حجمًا من الأشعة المقطعية للصدر (حالات كوفيد-19 وغير كوفيد-19) تم الحصول عليها من مؤسسات طبية متعددة في اليابان. تم تقسيم مجموعة البيانات بنسبة 80% للتدريب و20% للاختبار.
الأداء: حقق النموذج الهجين المقترح دقة تصنيف بلغت 79.5%.
المقارنة: حقق نموذج 3D CNN الأساسي (المكون من طبقات 3D CNN وطبقات MLP بسيطة) والذي تم تدريبه على نفس مجموعة البيانات دقة بلغت 74.8%.
الاستنتاج: يوضح التحسن بنسبة 4.7% في الدقة أن مكون 3D MLP-Mixer يساهم بفعالية في أداء التصنيف من خلال استخدام الميزات الصورية العالمية.
الأهمية والادعاءات يدعي البحث أن الاستخدام الهجين لـ 3D CNN و3D MLP-Mixer فعال لتصنيف الأحجام ثلاثية الأبعاد، لا سيما بالنسبة للالتهاب الرئوي الفيروسي حيث تحدث عتامات الزجاج المغشى (ground glass opacities) والتصلبات (consolidations) عبر مساحات واسعة، مما يتطلب تحليلًا للميزات المحلية والعالمية معًا. ويؤكد المؤلفون أن هذه البنية الهجينة تسمح بدقة عالية دون الحاجة إلى مجموعات البيانات الضخمة المطلوبة لنماذج MLP-Mixer أو ViT الصرفة.
ومع ذلك، يحافظ المؤلفون على نبرة متواضعة فيما يتعلق بالنشر السريري؛ حيث ذكروا أن هناك حاجة لمزيد من التحسينات في دقة التصنيف قبل إمكانية تطبيق النموذج في الإعدادات السريرية. وتشمل الأعمال المستقبلية التي حددها المؤلفون استخدام تعزيز البيانات (data augmentation) لتعزيز الاختلافات التشريحية وكثافة الأنسجة، ودمج مجموعات بيانات دولية، والاستمرار في تطوير نظام كامل للتشخيص بمساعدة الحاسوب (CAD) لكوفيد-19. لا يدعي البحث أن النموذج الحالي جاهز للاستخدام السريري الفوري، بل يقدمه كخطوة واعدة نحو تحقيق ذلك الهدف.