DualMiT-Net: Local-Global Transformer-Convolutional Fusion for Breast Mass Segmentation in Mammographic Regions of Interest
تقدم الورقة البحثية شبكة DualMiT-Net، وهي شبكة ثنائية الفروع تدمج تفاصيل الكتلة المحلية من مشفر Mix Transformer مع سياق الثدي العالمي من مشفر EfficientNet عبر وحدة فك تشفير ذات بوابة مكانية لتحقيق أداء هو الأفضل في حالته في تقسيم كتلة الثدي على مجموعة بيانات CBIS-DDSM.
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
لا يزال سرطان الثدي يمثل أحد أهم التحديات الصحية التي تواجه النساء اليوم، ومع ذلك، فإن الكشف المبكر يوفر دفاعاً قوياً. فعندما يتم اكتشاف المرض وهو لا يزال في مراحله الموضعية، تتجاوز نسبة البقاء على قيد الحياة لمدة خمس سنوات تسعة وتسعين بالمائة. وللعثور على هذه العلامات المبكرة، يعتمد الأطباء على تصوير الثدي الشعاعي (الماموغرام)، وهي صور أشعة سينية للثدي. ومع ذلك، فإن قراءة هذه الصور مهمة شاقة؛ إذ غالباً ما تندمج الأورام، أو الكتل، في الأنسجة المحيطة بها، وتفتقر إلى الحواف الحادة أو التباين الواضح، كما يمكن أن تكون أشكالها غير منتظمة ويصعب تتبعها. وحتى بالنسبة لأطباء الأشعة ذوي الخبرة، فإن رسم الخط الخارئي الدقيق للكتلة قد يستغرق وقتاً ويختلف من قارئ لآخر. وهنا يأتي دور علوم الحاسوب، بهدف تعليم الآلات كيفية رؤية هذه الحدود الخفية بنفس الدقة التي تسعى إليها العين البشرية، ولكن بالاستمرارية والسرعة التي لا يوفرها سوى البرمجيات.
لقد حاول الباحثون لفترة طويلة مساعدة الحواسيب على فهم الصور الطبية باستخدام التعلم العميق، وهو نوع من الذكاء الاصطناعي الذي يتعلم من خلال تحليل آلاف الأمثلة. استخدمت المحاولات المبكرة شبكات كانت جيدة جداً في رصد التفاصيل الصغيرة والمحلية، لكنها كانت تعاني أحياناً في فهم الصورة الأكبر للأنسجة المحيطة. واستعارت النماذج الأكثر حداثة أفكاراً من كيفية معالجة البشر للرؤية، باستخدام أنظمة يمكنها النظر إلى أجزاء بعيدة من الصورة وربطها ببعضها البعض. ومع ذلك، ظل هناك تحدٍ محدد لكتل الثدي: يحتاج الحاسوب إلى رؤية الحافة الرفيعة والمتعرجة للورم لتحديده، ولكنه يحتاج أيضاً إلى رؤية المنطقة الأوسع للثدي لفهم ما يجاور هذا الورم. فالمشهد الضيق والقريب يُظهر الحافة، بينما المشهد الأوسع يُظهر السياق، لكن معظم النماذج الحاسوبية حاولت تاريخياً القيام بكليهما باستخدام رؤية واحدة ثابتة.
ولحل هذه المشكلة، طور فريق من الباحثين في جامعة لورانس التكنولوجية نظاماً جديداً يسمى DualMiT-Net. فبدلاً من إجبار الحاسوب على الاختيار بين لقطة قريبة أو واسعة، يستخدم هذا النظام "عينين" منفصلتين للنظر إلى نفس الكتلة في آن واحد. تركز إحدى العينين بشكل ضيق على الآفة، حيث تقترب لرصد الملمس والحدود الدقيقة للكتلة. أما العين الأخرى فتتراجع للخلف لتأخذ مشهداً أوسع لأنسجة الثدي المحيطة، مما يوفر السياق اللازم لفهم أين تنتهي الكتلة وأين تبدأ الأنسجة السليمة. ويتم معالجة هذين المنظورين بواسطة أجزاء مختلفة من "دماغ" الحاسوب، المصممة للتعامل مع التفاصيل الدقيقة والأنماط الواسعة على التوالي.
يكمن سحر النظام في كيفية تواصل هذين المنظورين مع بعضهما البعض. فبينما يحلل الحاسوب الصورة، يقوم بمشاركة المعلومات بين المنظور القريب والمنظور الواسع عند أعمق مستويات المعالجة. ثم، وبينما يبني الصورة النهائية، يستخدم "بوابة" خاصة ليقرر مقدار المعلومات السياقية الواسعة التي يجب إضافتها إلى التفاصيل القريبة عند كل نقطة. وهذا يسمح للنظام بالحفاظ على الحواف الحادة للورم مع استخدام الأنسجة المحيطة لتوضيح المناطق المربكة. كما وجد الباحثون أن تغذية الحاسوب بنوع معين من تحضير الصور كان هو الأكثر فعالية؛ حيث أخذوا صورة الماموغرام القياسية، وعدلوا سطوعها لإبراز أهم التفاصيل، وأضافوا طبقة من معلومات الملمس التي تستجيب للأنماط المحددة الموجودة في أنسجة الثدي، مثل الحواف المدببة التي تُرى غالباً في الأورام.
وعند اختبار هذا النظام ذو الرؤية المزدوجة على مجموعة كبيرة وعامة من صور الماموغرام التي تحتوي على مئات الحالات، أظهر دقة ملحوظة. فقد قاس الباحثون مدى تطابق الخط الخارجي الذي رسمه الحاسوب مع الخطوط التي رسمها الأطباء الخبراء. حقق النظام درجة 0.9375 على مقياس يكون فيه التطابق المثالي هو 1.0، وهي نتيجة كانت ثابتة عبر عمليات تدريب متعددة. وكانت هذه الدرجة أعلى بكثير من ستة نماذج حاسوبية قياسية أخرى تم اختبارها تحت نفس الظروف تماماً. لقد كان النظام الجديد أفضل في استعادة المساحة الكاملة للورم والحفاظ على خطوط الحدود قريبة من علامات الخبراء، حتى في الحالات الصعبة التي تتميز بتباين منخفض أو حواف ضبابية.
كما فحصت الدراسة بعناية ما يحدث عند إزالة أجزاء من النظام لمعرفة أي الأجزاء كانت ضرورية حقاً. ووجدوا أنه بينما ساعدت الأدوات المحددة المستخدمة لتنقية الصورة، إلا أن القوة الجوهرية للنظام جاءت من الفكرة البسيطة المتمثلة في استخدام منظورين مختلفين في وقت واحد. لم يعتمد النظام على خدعة واحدة، بل على الجمع بين التفاصيل المحلية والسياق العالمي اللذين يعملان معاً. وبينما يتطلب النموذج الحالي معرفة الحاسوب بموقع الكتلة بشكل تقريبي، إلا أنه يمثل خطوة كبيرة للأمام في أتمتة المهمة الصعبة المتمثلة في تحديد حدود هذه الأورام. ومن خلال محاكاة الطريقة التي قد ينقل بها طبيب الأشعة تركيزه بين التفصيل والصورة الكاملة، يقدم هذا النهذا الجديد طريقة أكثر موثوقية لتحديد حدود كتل الثدي، مما قد يساعد الأطباء في إجراء تشخيصات أسرع وأكثر اتساقاً.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.