H2AL: Hyperbolic Hierarchy-aware Aggregative Learning for Registration-based Few-shot Medical Image Segmentation

تخيل أنك تحاول تعليم كمبيوتر كيفية رصد كنز صغير ومخفي داخل كهف ضخم وفوضوي. في عالم التصوير الطبي، هذا "الكنز" هو عضو صغير أو نسيج محدد، و"الكهف" هو مسح ثلاثي الأبعاد لجسم الإنسان. المشكلة هي أننا لا نملك خرائط كافية (صور مصنفة) لنوضح للكمبيوتر مكان الكنز بالضبط. لذا، يستخدم العلماء حيلة ذكية تسمى "التسجيل" (registration). فكر في الأمر كأنك تأخذ خريطة واضحة ومصنفة لكهف ما، ثم تقوم بمدها وضغطها حتى تتطابق تماماً مع كهف جديد غير مصنف. وبمجرد أن تتناسب الخريطة مع الكهف، يمكن للكمبيوتر استخدامها كدليل للعثور على الكنز في الكهف الجديد. هذا هو جوهر "تجزئة الصور الطبية قليلة العينات" (few-shot medical image segmentation) — أي التعلم كيفية إيجاد الأشياء باستخدام أمثلة قليلة جداً. ولكن هنا تكمن العقبة: بينما يسهل مطابقة المعالم الكبيرة والواضحة، فإن التفاصيل الصغيرة والضبابية غالباً ما تضيع أو تختلط عند مد الخريطة. يحتاج الكمبيوتر إلى طريقة أفضل لفهم أن بعض الأشياء هي "أصول" لأشياء أخرى (مثل كيف يكون جذع الشجرة هو الأصل للأغصان) للحفاظ على التفاصيل الصغيرة من الاختلاط.

هنا يأتي دور ورقة بحثية جديدة لـ "جيا وانج" وفريقه مع حل يسمونه H2AL. لقد أدركوا أن الطريقة التي تفكر بها الحواسيب عادةً في هذه الخرائط هي طريقة "مسطحة" للغاية. الأمر يشبه محاولة تنظيم مكتبة ضخمة عن طريق وضع جميع الكتب على الأرض في خط واحد؛ هذا يعمل بشكل جيد مع الأكوام الكبيرة، لكن البحث عن كتيب صغير محدد سيكون كابوساً. يقترح المؤلفون أن الهياكل الطبية هي في الواقع أشبه بشجرة أو شجرة عائلة، حيث تحمل الأغصان الكبيرة الأغصان الأصغر. ولحل هذه المشكلة، بنوا نظاماً يستخدم نوعاً خاصاً من الرياضيات يسمى "الهندسة الزائدية" (hyperbolic geometry). يمكنك التفكير في هذا كغرفة سحرية متوسعة، حيث كلما ابتعدت عن المركز، زادت المساحة المتاحة لك لفصل الأشياء. هذا يسمح للكمبيوتر بالحفاظ على "الصورة الكبيرة" (الجذع) و"التفاصيل الدقيقة" (الأوراق) منظمة بطريقة لا تستطيع الرياضيات المسطحة القيام بها.

اكتشف الفريق أنهم من خلال دمج هذه "الغرفة السحرية" (الفضاء الزائدي) مع "الغرفة المسطحة" المعتادة للكمبيوتر (الفضاء الإقليدي)، يمكنهم إنشاء خرائط أفضل بكثير. لقد أنشأوا وحدة تسمى H2I (حقن التسلسل الهرمي الزائدي - Hyperbolic Hierarchy-aware Infusion) تعمل كمترجم، يأخذ المعرفة المنظمة الشبيهة بالشجرة من الغرفة السحرية ويصبها في الخريطة المسطحة لمساعدة الكمبيوتر على رؤية الهياكل الصغيرة بوضوح أكبر. كما اخترعوا طريقة جديدة لتدريب الكمبيوتر تسمى "تجميع التدرج" (Gradient Aggregation). تخيل مدربين يحاولان تعليم طالب؛ إذا صرخا بتعليمات مختلفة في نفس الوقت، فسيصاب الطالب بالارتباك. بدلاً من ذلك، تقوم هذه الطريقة بجعل المدربين يدمجون تعليماتهما في أمر واحد واضح وموحد قبل إخبار الطالب به. هذا يحافظ على عملية التعلم سلسة وسريعة.

وعندما اختبروا ذلك على فحوصات الدماغ والقلب، كانت النتائج واعدة. تظهر الورقة البحثية أن طريقتهم حسنت دقة العثة عن الهياكل الصغيرة بنسبة تقارب 1.47% في جزء التسجيل (صنع الخرائط) و 1.84% في التجزئة النهائية (إيجاد الكنز) مقارنة بأفضل الطرق الموجودة. ووجدوا أنه بينما كانت الهياكل الكبيرة سهلة الإيجاد بالفعل، فإن نظامهم الجديد كان بارعاً بشكل خاص في منع الكمبيوتر من الارتباك بسبب الأجزاء الصغيرة والغامضة التي عادة ما تتسلل عبر الشقوق. يشير المؤلفون إلى أنه من خلال احترام "شجرة العائلة" الطبيعية لتشريح الجسم، يمكننا جعل الذكاء الاصطاذي الطبي أكثر موثوقية، خاصة عندما تكون هناك أمثلة مصنفة قليلة جداً للبدء بها. هم لم يتكهنوا فحسب؛ بل أجروا تجارب مكثفة على بيانات حقيقية للدماغ والقلب، مما أظهر أن نهجهم يتفوق باستمرار على الطرق الرائدة الأخرى في كل من صنع الخرائط وإيجاد التفاصيل الصغيرة.