Dual-domain U-Nets with embedded back projection operators for motion-resolved 4D CBCT reconstruction

تخيل أنك تحاول التقاط صورة لطائر طنان أثناء طيرانه في منتصف الجو. إذا استخدمت سرعة غالق بطيئة، فسيتحول الطائر إلى كتلة مشوشة من الأجنحة. وإذا استخدمت سرعة غالق سريعة، فستكون الصورة حادة، لكنك قد تفقد الطائر تمامًا إذا تحرك خارج الإطار بسرعة كبيرة. الآن، تخيل القيام بذلك داخل جسم بشري. يحتاج الأطباء لرؤية الأورام في الصدر لكي يتمكنوا من توجيه الإشعاع نحوها، لكن الصدر يتحرك باستمرار للأعلى والأسفل مع تنفس المريض. هذا هو التحدي الذي يواجهه "التصوير المقطعي بالحزمة المخروطية رباعي الأبعاد" (4D CBCT). إنه نوع خاص من الأشعة السينية يحاول التقاط ليس فقط صورة ثلاثية الأبعاد، بل فيلمًا ثلاثي الأبعاد لداخل الجسم.

المشكلة هي أن صنع هذا "الفيلم" يتطلب عادةً وقتًا طويلاً ويتطلب من المريض حبس أنفاسه أو ارتداء حزام خاص لتتبع تنفسه. وإذا تنفس المريض بشكل طبيعي (وهو أمر أكثر راحة بكثير)، فإن الصور الناتجة غالبًا ما تبدو كلوحة مشوشة بها خطوط ضوئية، مما يجعل من الصعب رؤية الورم بوضوح. لقد حاول العلماء إصلاح "ضبابية الحركة" هذه باستخدام الرياضيات والحواسيب، لكن الأمر يشبه محاولة فصل مكونات "السموذي" مرة أخرى إلى فراولة وحليب. تقدم هذه الورقة البحثية طريقة جديدة لاستخدام الذكاء الاصطناعي لفك هذا التشويش، وتحويل أشعة سينية مشوشة ناتجة عن التنفس إلى فيلم ثلاثي الأبعاد واضح ومتحرك، دون الحاجة إلى أي أحزمة إضافية أو تعليمات خاصة للمريض.

سحر الـ "Dual-domain U-Net"

يقترح الباحثون خدعة جديدة ذكية باستخدام نوع من الذكاء الاصطناعي يسمى "Dual-domain U-Net". لفهم هذا، تخيل أنك تحاول حل لغز "بازل" عملاق، لكن نصف القطع مبعثرة على الأرض (بيانات الأشعة السينية الخام) والنصف الآخر مجمع بالفعل على الطاولة (الصورة ثلاثية الأبعاد للجسم). عادةً، يتعين عليك النظر إلى القطع الموجودة على الأرض، وتخمين شكلها، ثم محاولة ملاءمتها على الطاولة. هذه العملية بطيئة وعرضة للأخطاء.

يعمل هذا الذكاء الاصطناعي الجديد مثل "سيد لغز" فائق الذكاء يمكنه النظر إلى القطع المبعثرة على الأرض ومعرفة مكانها بالضبط على الطاولة فورًا، والعكس صحيح. إن شكل "دماغ" الذكاء الاصطناعي يشبه حرف U. الجانب الأيسر من حرف U ينظر إلى حزم الأشعة السينية الخام والمشوشة ("نطاق الإسقاط" - projection domain)، والجانب الأيمن يبني الصورة النهائية ثلاثية الأبعاد ("نطاق الحجم" - volume domain). تحدث المعجزة في المنتصف: يستخدم الذكاء الاصطناني أداة "إسقاط خلفي" (back projection) خاصة تعمل كجسر، حيث تقوم بترجمة ما تراه في الحزم الخام مباشرة إلى الصورة ثلاثية الأبعاد. وهذا يسمح للذكاء الاصطناعي بتعلم كيفية تحرك الجسم أثناء مسحه، كل ذلك في خطوة واحدة.

لا مزيد من أحزمة التنفس أو تقسيم المراحل

تقليديًا، للحصول على فيلم رباعي الأبعاد واضح، يتعين على الأطباء استخدام طريقة تسمى "التقسيم" (binning). تخيل أنك تشاهد مروحة تدور؛ لكي ترى الشفرات بوضوح، قد تلتقط صورة في كل مرة تصل فيها شفرة معينة إلى الأعلى. في الفحوصات الطبية، يعني هذا أن الكمبيوتر ينتظر المريض حتى يستنشق الهواء، ثم يلتقط صورة، ثم ينتظر حتى يزفر، ثم يلتقط صورة أخرى. يتطلب هذا "إشارة بديلة للتنفس" (respiratory surrogate signal) — عادة ما تكون حزامًا حول الصدر أو كاميرا تراقب علامة معينة — لإخبار الكمبيوتر بالوقت المحدد لالتقاط الصورة.

تجادل هذه الورقة بأننا لسنا بحاجة إلى الحزام، ولا نحتاج للانتظار للحظات تنفس محددة. فقد تم تدريب الذكاء الاصطناعي على آلاف دورات التنفس المحاكات (مثل تدريب شخصية في لعبة فيديو) لفهم كيفية تحرك الرئتين والأورام. عندما يرى مسحًا حقيقيًا لمريض يتنفس بشكل طبيعي، لا يحتاج الذكاء الاصطناعي أن يُقال له "هذا شهيق" أو "هذا زفير". فهو ينظر إلى بيانات الأشعة السينية الخام ويستنتج نمط الحركة بنفسه. يقوم بالتنبؤ بصورة "ساكنة" للرئتين عند أقصى شهيق، ثم يحسب مجموعة من "حقول ناقلات الإزاحة" (displacement vector fields - DVFs). فكر في هذه الحقول (DVFs) كخريطة توضح كيف يجب أن تتحرك وتتمدد كل بكسل في الصورة لتشكيل المراحل التسع الأخرى من دورة التنفس.

ماذا تظهر النتائج؟

اختبر الفريق هذه الطريقة بطريتين: في عمليات المحاكاة الحاسوبية حيث يعرفون "الحقيقة المطلقة" (الإجابة المثالية)، وعلى مسوحات حقيقية لمرضى.

في عمليات المحاكاة:
استطاع الذكاء الاصطناعي إعادة بناء فيلم رباعي الأبعاد يبدو حادًا تقريبًا مثل المسح ثلاثي الأبعاد التقليدي. وعندما قاسوا الفرق بين صورة الذكاء الاصطني وصورة "الحقيقة المطلقة"، كان الخطأ ضئيلًا جدًا. على سبيل المثال، كان "جذر متوسط مربع الخطأ" (RMSE - وهو مقياس لمدى خطأ الصورة) مختلفًا قليلاً فقط عن الطريقة القياسية، لكن الذكاء الاصطناعي نجح في القيام بذلك مع إظهار الحركة. كما أدى الذكاء الاصطناعي عملًا رائعًا في تحديد أعضاء مثل الكبد والقلب والمريء، حيث سجل درجات أفضل قليلاً من الطرق القديمة في فصلها عن الخلفية. ومع ذلك، لاحظ الباحثون جانبًا سلبيًا صغيرًا: كانت صور الذكاء الاصطناعي "مشوشة" قليلًا مقارنة بالحواف الحادة للصورة المثالية. وهذا أثر جانبي شائع عند تعليم الذكاء الاصطناعي تقليل متوسط الأخطاء؛ إذ يميل إلى تنعيم التفاصيل الصغيرة والحادة.

في العالم الحقيقي (المسوحات السريرية):
بما أنه لا توجد "إجابة مثالية" للمرضى الحقيقيين، فقد طلب الباحثون من 11 خبيرًا طبيًا (أطباء وفيزيائيين) النظر إلى الصور. وقارنوا طريقة الذكاء الاصطناعي الجديدة بالمسح ثلاثي الأبعاد القياسي وطريقة رباعية الأبعاد أخرى تسمى MKB.

• رؤية الورم: في 59% من الحالات، فضل الخبراء طريقة الذكاء الاصطناعي الجديدة لرؤية الورم بوضوح. وفي 36% من الحالات، لم يستطيعوا التمييز بينها وبين الطرق الأخرى، بينما فضل 5% فقط المسح ثلاثي الأبعاد القديم.
• رؤية المريء: فضل 47% الطريقة الجديدة، بينما لم يكن لدى 42% أي تفضيل.
• آثار الحركة: نجحت الطريقة الجديدة في إزالة آثار "التخطيط" (streaking artifacts) — وهي الخطوط المشوشة الناتجة عن التنفس التي تعيب هذه المسوحات عادةً. كما تعاملت بشكل جيد للغاية مع المسوحات السريعة جدًا (التي تستغرق 6 ثوانٍ فقط)، رغم أن المسوحات رباعية الأبعاد التقليدية تحتاج عادةً إلى 60 ثانية أو أكثر للحصول على بيانات كافية.

كما تحقق الباحثون مما إذا كان الذكاء الاصطناعي يخمن حركة التنفس الصحيحة فعليًا. وقارنوا "حركة الحجاب الحاجز" التي توقعها الذكاء الاصطناعي مقابل الحركة الفعلية الظاهرة في حزم الأشعة السينية الخام. تطابقت توقعات الذكاء الاصطناعي مع الحركة الحقيقية بدقة شديدة، حيث بلغت النسبة 0.98 (مما يعني أنها دقيقة تقريبًا)، في حين أن طريقة MKB القديمة كانت غالبًا ما تقلل من تقدير الحركة (بنسبة 0.58).

الخلاصة

تشير هذه الورقة إلى أنه يمكننا إنشاء أفلام ثلاثية الأبعاد متحركة عالية الجودة لصدر المريض باستخدام مسوحات الأشعة السينية العادية (أثناء التنفس الحر)، دون الحاجة إلى أحزمة أو كاميرات إضافية أو فترات انتظار طويلة. يعمل الذكاء الاصطناعي كمترجم، يحول حزم الأشعة السينية المتحركة والمشوشة إلى دورة تنفس مكونة من 10 إطارات في أقل من 4 ثوانٍ. ورغم أن الصور ليست حادة تمامًا (فهي تعاني من بعض الضبابية)، إلا أنها واضحة بما يكفي ليتمكن الأطباء من رؤية الأورام والأعضاء بشكل أفضل من ذي قبل، كما أنها تزيل الخطوط المزعجة التي تحجب التفاصيل.

تعتبر هذه الدراسة بمثابة "إثبات مفهوم"، مما يعني أنها تظهر أن الفكرة قابلة للتطبيق في الواقع. ويشير الباحثون بحذر إلى أنه على الرغم من أن النتائج واعدة، إلا أن هناك حاجة لمزيد من الاختبارات للتأكد من مدى فعالية ذلك مع جميع أنواع المرضى والمسوحات. كما يشيرون إلى أن "الضبابية" هي عيب معروف في طريقة التدريب الحالية، وأن الإصدارات المستقبلية قد تستخدم رياضيات مختلفة لجعل الصور أكثر حدة. ولكن في الوقت الحالي، يوفر هذا النهج وسيلة لجعل العلاج الإشعاعي أكثر أمانًا وراحة من خلال تقليل الوقت الذي يقضيه المرضى في جهاز المسح وتقليل الحاجة إلى حبس أنفاسهم.