💻 computer science

A Configurable Privacy-Preserving MRI Processing Workflow Using Deep Learning-Based Brain Extraction and Adaptive Anatomical Preservation

تقدم هذه الورقة سير عمل قائم على لغة بايثون، وهو قابل للضبط والتكرار والتفاعل، يعزز استخراج الدماغ باستخدام التعلم العميق مع الحفاظ التكيفي على المعالم التشريحية وضبط الجودة المتكامل لتحقيق التوازن بين حماية الخصوصية والمنفعة التشريحية في معالجة التصوير بالرنين المغناطيسي الهيكلي.

المؤلفون الأصليون: Rayeef Ali Khan, Komal Raj Mahantesh

نُشر 2026-08-20

📖 4 دقيقة قراءة☕ قراءة في استراحة قهوة

CC BY 4.0

المؤلفون الأصليون: Rayeef Ali Khan, Komal Raj Mahantesh

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 التصوير الطبي عالي الدقة والهادئ، أصبح نوع محدد من الفحص يسمى التصوير بالرنين المغناطيسي البنيوي (MRI) حجر الزاوية لفهم الدماغ البشري. تنتج هذه الفحوصات صوراً مفصلة للغاية لتشريح الدماغ، مما يسمح للباحثين والأطباء برؤية الطيات والهياكل المعقدة داخل الجمجمة. ومع ذلك، تأتي هذه الصور مع عقبة كبيرة: فهي غالباً ما تلتقط أكثر من مجرد الدماغ. ولأن الفحص يغطي الرأس بأكمله، فإن الصور الناتجة غالباً ما تتضمن الوجه وفروة الرأس والجمجمة. وبينما يتم التخلص من هذه المعلومات الإضافية عادةً لأغراض التحليل العلمي، إلا أنها تشكل خطراً جسيماً على خصوصية المريض. فإذا تم مشاركة هذه الملامح الوجهية علناً، فقد تتيح لشخص ما إمكانية تحديد هوية الشخص الموجود داخل الصورة، مما يحول الأداة الطبية إلى خطر يهدد الخصوصية. ولحل هذه المشكلة، اعتمد العلماء لفترة طويلة على عملية تسمى "استخراج الدماغ"، والتي تقوم رقمياً بإزالة كل شيء خارج الدماغ، تاركةً العضو المستهدف فقط. ومع ذلك، كانت الطرق التقليدية للقيام بذلك جامدة، حيث تقدم نتيجة واحدة ثابتة إما تزيل الكثير من السياق القيم أو تترك الكثير من المعلومات التي تسمح بتحديد الهوية.

قام فريق من الباحثين في جامعة مدينة دبلن بتطوير نهج جديد ومرن لهذه المشكلة، حيث ابتكروا سير عمل يسمح للعلماء باختيار مقدار ما يريدون الاحتفاظ به أو إزالته من التشريح المحيط بدقة. وبدلاً من فرض حل واحد يناسب الجميع، يعمل نظامهم مثل مرشح (فلتر) قابل للتخصيص. يبدأ النظام باستخدام أداة ذكاء اصطناعي قوية تُعرف باسم "SynthStrip" لتحديد وعزل الدماغ تلقائياً عن بقية الرأس. هذه الخطوة حاسمة لأنها توفر خريطة دقيقة ونظيفة لحدود الدماغ. وبمجرد عزل الدماغ، يتولى أسلوب الباحثين الجديد المهمة، مقدماً لمسة فريدة: يمكنه توسيع حدود قناع الدماغ بخطوات مدروسة. تخيل قناع الدماغ كقفاز ضيق؛ يمكن لهذا النظام إضافة طبقات من المادة حول القفاز، مما يخلق "غلافاً" يحافظ على حافة رقيقة من الأنسجة المحيطة. وقد اختبر الباحثون مستويين محددين من هذا التوسع: أحدهما يضيف طبقة رقيقة جداً، بسمك مليمتر واحد تقريباً، والآخر يضيف طبقة أكثر سمكاً قليلاً، حوالي مليمترين اثنين.

تكمن روعة هذا النظام في الخيار الذي يمنحه للمستخدم. فالباحث الذي يحتاج إلى مشاركة البيانات مع الجمهور لتحقيق أقصى قدر من الخصوصية يمكنه اختيار أرق غلاف، مما يزيل معظم تفاصيل الوجه وفروة الرأس، ويؤدي فعلياً إلى إخفاء هوية المريض. وعلى العكس من ذلك، فإن الباحث الذي يدرس علاقات تشريحية محددة قد يحتاج إلى قدر أكبر من السياق، ويمكنه اختيار الغلاف الأكثر سمكاً، الذي يحتفظ بكمية صغيرة من الأنسجة المحيطة دون المساس ببيانات الدماغ الأساسية. وهذا القرار لا يُترك للتخمين؛ إذ يتضمن سير العمل واجهة تفاعلية حيث يمكن للعلماء رؤية هذه الخيارات المختلفة جنباً إلى جنب، ومقارنة مقدار الأنسجة التي تم الحفاظ عليها في كل نسخة قبل اتخاذ قرارهم النهائي. وهذا يضمن أن التوازن بين حماية هوية المريض والحفاظ على فائدة الصورة العلمية مصمم خصيصاً وفقاً للاحتياجات المحددة للدراسة.

ولضمان أن تكون هذه الخيارات آمنة ودقيقة، يتضمن النظام أيضاً خطوة مدمجة لضبط الجودة. فبينما تتم معالجة الصور، يقوم البرنامج تلقائياً بإنشاء فحوصات بصرية، تعرض قناع الدماغ متراكباً فوق المسح الأصلي من زوايا متعددة. وهذا يسمح للباحث بالتحقق من أن الدماغ قد تم تحديده بشكل صحيح وأن الغلاف المختار قد حافظ على القدر الصحيح من الأنسجة دون أن يقطع بالخطأ في الدماغ أو يترك الكثير من الخلفية غير المرغوب فيها. وقد اختبر الباحثون هذه العملية بأكملها على مئات من فحوصات الرنين المغناطيسي الحقيقية من قاعدة بيانات عامة، وكانت النتائج موثوقة للغاية. فقد نجح النظام في تحديد الدماغ بدرجة عالية من الدقة، مطابقاً النتائج المتوقعة في ما يقرب من 99 بالمائة من الحالات. والأهم من ذلك، فقد أثبت أن هذا النهج المرن والموجه من قبل المستخدم يعمل باستمرار، وينتج صوراً واضحة وقابلة للاستخدام في كل مرة.

من خلال الجمع بين الذكاء الاصطناعي المتقدم والتصميم المجزأ خطوة بخطوة، يحل سير العمل الجديد هذا معضلة طويلة الأمد في الأبحاث الطبية. فهو يتجاوز الطريقة القديمة المتمثلة في مجرد قص الدماغ وترك نتيجة واحدة غير قابلة للتغيير. بدلاً من ذلك، يوفر طريقة شفافة وقابلة للتكرار للتعامل مع البيانات الطبية الحساسة، مما يمنح الباحثين القدرة على تحديد مستوى حماية الخصوصية الذي يحتاجونه دون التضحية بالقيمة العلمية للصورة. ويؤسس هذا النهج معياراً جديداً لكيفية إعداد الصور الطبية للمشاركة، مما يضمن استمرار العمل الحيوي لأبحاث الدماغ بشكل آمن وتعاوني، مع حماية خصوصية الأفراد الذين يقفون وراء هذه البيانات بشكل صارم.

أبحاث مشابهة