Modality-Invariant Coarse-to-Fine Retinal Image Registration
تقترح هذه الورقة إطار عمل عاماً من مرحلتين وغير معتمد على نمط معين لتسجيل صور الشبكية، يجمع بين نموذج مطابقة سمات متناثر مدفوع بالأوعية الدموية للمحاذاة العالمية التقريبية، وشبكة تدفق بصري غير معتمدة على النمط (MI-RAFT) للتحسين المحلي الكثيف، مما يتفوق على الطرق الحالية المعتمدة على النمط عبر مجموعات تصوير متنوعة.
البحث الأصلي مرخَّص بموجب CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل
في عالم رعاية العيون، يعتمد الأطباء على مجموعة من الكاميرات المختلفة لرؤية داخل الشبكية، وهي الطبقة الحساسة للضوء في الجزء الخلفي من العين. تستخدم بعض الكاميرات التصوير الملون القياسي، بينما يستخدم البعض الآخر الأشعة تحت الحمراء، ويقوم البعض الآخر بالتقاط كيفية تفاعل العين مع أطوال موجية محددة للكشف عن الأمراض. تنتج كل طريقة من طرق التصوير هذه رؤية فريدة، تمامًا مثل النظر إلى نفس المشهد الطبيعي من خلال نظارات ملونة مختلفة. ولتشخيص حالات مثل السكري أو التنكس البقعي، يحتاج الأطباء غالبًا إلى مقارنة هذه الرؤى المختلفة جنبًا إلى جنب، أو حتى دمجها فوق بعضها البعض، لرؤية كيف يظهر وعاء دموي معين أو آفة معينة عبر جميع هذه الصور. ومع ذلك، نظرًا لأن الكاميرات مختلفة وتتحرك العين قلي قدمًا أو تراجعًا بين اللقطات، نادرًا ما تتطابق هذه الصور بشكل مثالي من تلقاء نفسها. إن محاذاة هذه الصور هي لغز صعب، وحتى الآن، كانت برامج الكمبيوتر المصممة لحل هذه المعضلة مبنية لأنواع محددة فقط من أزواج الكاميرات. فإذا أراد طبيب مطابقة صورة ملونة مع صورة بالأشعة تحت الحمراء، فإنه يحتاج إلى أداة متخصصة واحدة؛ وإذا أراد مطابقة صورة ملونة مع نوع آخر من المسوحات، فإنه يحتاج إلى أداة مختلفة تمامًا. هذا النقص في الحل الشامل جعل من الصعب دمج المعلومات من مجموعة متنوعة من فحوصات العين الحديثة.
لقد طور فريق من الباحثين الآن نهجًا جديدًا يعمل كمترجم عالمي لصور الشبكية هذه، قادرًا على محاذاة أي مزيج من مسوحات العين الشائعة دون الحاجة إلى إعادة تدريبه لكل زوج جديد. يعمل أسلوبهم على مرحلتين متميزتين، ينتقل من تخمين تقريبي إلى ضبط دقيق. أولاً، ولجعل الصور في المكان الصحيح تقريبًا، يتجاهل النظام الاختلافات المربكة في اللون والملمس بين الكاميرات. بدلاً من ذلك، يقوم بتحويل كل صورة إلى خريطة بسيطة للأوعية الدموية في العين. وبما أن شبكة الأوردة والشرايين تبدو كما هي بغضًا عن الكاميرا التي التقطت الصورة، فإن هذه الخريطة المشتركة تسمح للكمبيوتر بإيجاد نقاط مطابقة بسرعة ودقة، حتى بين الصور التي لا تشبه بعضها البعض بتاتًا بالنسبة للعين البشرية. توفر هذه الخطوة محاذاة عالمية صلبة، مما يضع الصورتين في نفس الإطار المرجعي.
بمجرد محاذاة الصور تقريبًا، ينتقل النظام إلى المرحلة الثانية لإصلاح التشوهات المحلية الصغيرة المتبقية. وهنا قدم الباحثون نموذجًا جديدًا يسمى MI-RAFT. وخلافًا للأدوات السابقة التي كانت تعاني عندما تتغير أنماط الصور، يتعلم هذا النموذج إيجاد الاتصال الدقيق بين بكسل وآخر لأي مسوحات للشبكية. وهو يفعل ذلك من خلال الجمع بين نوعين من المعلومات: معلومات تفهم كيفية تحرك الصور وتشوهها عادةً، وأخرى تتعرف على الأنماط الهيكلية الفريدة للعين التي تظل ثابتة عبر الكاميرات المختلفة. ولتعليم هذا النموذج دون الحاجة إلى آلاف الأمثلة الواقعية المتطابقة تمامًا - والتي يصعب جمعها للغاية - ابتكر الباحثون طريقة تدريب ذكية. لقد أخذوا صورًا منفردة للعين وقاموا بتشويهها رياضيًا لمحاكاة كيف ستبدو لو التُقطت من زوايا مختلفة قليلاً أو مع إضاءة مختلفة. سمح ذلك للكمبيوتر بتعلم قواعد المحاذاة باستخدام بيانات اصطناعية، مما علمه فعليًا كيفية التعامل مع الاختلافات الواقعية التي لم يسبق له رؤيتها.
تظهر نتائج هذا العمل أن النظام الجديد أكثر دقة من أفضل الأساليب الحالية، والتي تكون عادةً محدودة بأزواج كاميرات محددة. اختبر الباحثون نهجهم على أربع مجموعات بيانات مختلفة، بما في ذلك مجموعة جديدة من الصور المزدوجة التي جمعوها خصيصًا لهذه الدراسة، والتي تغطي تركيبات من الصور الملونة، ومسوحات الأشعة تحت الحمراء، وصور التألق الذاتي. وفي كل اختبار، نجحت الطريقة الجديدة في محاذاة الصور بدقة عالية، متفوقة على الأدوات المتخصصة التي تم ضبطها بدقة لتلك الأزواج المحددة. أثبت النظام أنه قوي بما يكفي للتعامل مع الاختلافات الطبيعية في كيفية التقاط الكاميرات المختلفة للعين، من الانزياحات الطفيفة في التركيز إلى التغيرات في التباين. وبينما يعمل هذا الأسلوب بشكل أفضل عندما تغطي الصور منطقة مماثلة من العين، إلا أنه يمثل خطوة كبيرة للأمام نحو إنشاء أداة مرنة وعامة الغرض. ومن خلال إزالة الحاجة إلى حل برمجي مختلف لكل تركيبة كاميرا، يمهد هذا العمل الطريق لتكامل أكثر سلاسة للبيانات متعددة الأنماط، مما يساعد الأطباء على رؤية صورة أوضح وأكثر اكتمالًا لصحة الشبكية.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.