Cross-Modal MRI Ovary Segmentation in Endometriosis Using Unpaired TVUS Prototype Priors
تقترح هذه الورقة إطار عمل ثنائي المسار يستفيد من الأولويات النموذجية المستمدة من التصوير بالموجات فوق الصوتية عبر الرحم (TVUS) لمحاذاة الميزات عبر الأنماط المختلفة، مما يحسن بشكل كبير المهمة الصعبة المتمثلة في تقسيم المبيض عبر الوسائط في رنين التصوير المغناطيسي لبطانة الرحم مقارنة بالأسالاًف الحالية.
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
تُعد بطانة الرحم المهاجرة حالة مزمنة ومؤلمة، حيث تنمو أنسجة تشبه بطانة الرحم خارج الرحم، وغالبًا ما تشكل أكياسًا على المبيضين. ولتشخيص هذا المرض وعلاجه، يعتمد الأطباء بشكل كبير على نوعين مختلفين من التصوير الطبي: التصوير بالموجات فوق الصوتية عبر المهبل، الذي يستخدم الموجات الصوتية لإنشاء صور من داخل الجسم، والتصوير بالرنين المغناطيسي (MRI)، الذي يستخدم مغناطيسات قوية للرؤية في عمق الحوض. وبينما يعد التصوير بالموجات فوق الصوتية ممتازًا في إظهار القوام المحدد لأكياس المبيض، يوفر التصوير بالرنين المغناطري رؤية أوسع وأوضح للتشريح المحيط. ومع ذلك، لا يزال هناك تحدٍ كبير: المبيضان صغيران، ويمكن أن تبدو حدودهما مشابهة جدًا للأعضاء والأنسجة المحيطة في فحص الرنين المغناطيسي. وهذا يجعل من الصعب على برامج الكمبيوتر، المعروفة بالذكاء الاصطناعي، رسم خط تلقائي ودقيق حول المبيض للمساعدة في قياسه. وبدون هذا التحديد الدقيق، يصبح من الصعب تتبع المرض أو التخطيط للجراحة.
لطالما أمَل الباحثون في دمج نقاط القوة لكل من الموجات فوق الصوتية والرنين المغناطري لحل هذه المشكلة، لكن عقبة رئيسية وقفت في الطريق. ففي العالم الحقيقي، نادرًا ما يحصل المريض على تصوير بالموجات فوق الصوتية وتصوير بالرنين المغناطري لنفس المبيض في اللحظة ذاتها تمامًا، مما يعني أن الصورتين لا تتطابقان بشكل مثالي. وقد منع هذا النقص في الأزواج المتطابقة أجهزة الكمبيوتر من تعلم كيفية ترجمة الميزات الواضحة التي تظهر في الموجات فوق الصوتية مباشرة إلى صور الرنين المغناطري. ويقترح بحث جديد لفريق من العلماء في ألمانيا حلاً ذكيًا؛ فبدلاً من محاولة مطابقة المرضى الفرديين عبر كلا الجهازين، علموا الكمبيوتر كيف يتعلم "فكرة" عامة عما يبدو عليه المبيض من مئات صور الموجات فوق الصوتية، ثم استخدموا تلك المعرفة العامة لتوجيه الكمبيوتر عندما ينظر إلى صور الرنين المغناطري.
بنى الفريق نظامًا يعمل مثل طريق سريع ذي مسارين. المسار الأول يعالج صور الموجات فوق الصوتية، والمسار الآخر يعالج صور الرنين المغناطري. بدأوا بنموذج كمبيوتر قوي مدرب مسبقًا مصمم لفهم الصور الطبية، وقاموا بتكييفه للتركيز خصيصًا على المبيضين. أولاً، غدوا النظام بمجموعة كبيرة من صور الموجات فوق الصوتية حيث تم تحديد المبيضين بالفعل من قبل خبراء بشريين. قام الكمبيوتر بتحليل هذه الصور لبناء مكتبة ذهنية، أو "بنك نماذج أولية"، لما يبدو عليه المبيض الطبيعي والمبيض المليء بالأكياس من حيث الشكل والقوام. تعمل هذه المكتبة كدليل مرجعي، أو معيار على مستوى السكان لما يجب أن يكون عليه المبيض.
بمجرد إنشاء هذا الدليل، وجه الباحثون اهتمامهم إلى صور الرنين المغناطري. لم يكونوا بحاجة لمطابقة صور الرنين المغناطري هذه مع صور موجات فوق صوتية محددة. بدلاً من ذلك، وجهوا الكمبيوتر للنظر في صورة الرنين المغناطري ومحاولة العثور على المبيض. وبينما كان الكمبيوتر يقدم تخمينه، كان يقارن نتائج بـ "دليل المرجع" المبني من بيانات الموجات فوق الصوتية. وإذا انحرف فهم الكمبيوتر لصورة الرنين المغناطري بعيدًا عن الشكل والميزات المحددة للمبيض، كان النظام يسحبه بلطف نحو النمط الصحيح. سمحت هذه العملية للكمبيوتر بتعلم المهمة الصعبة المتمثلة في رصد المبيضين في الرنين المغناطري من خلال استعارة الوضوح الذي تعلمه بالفعل من الموجات فوق الصوتية، وكل ذلك دون الحاجة لأن تُؤخذ هذان النوعان من الفحوصات لنفس الشخص في نفس الوقت.
كانت نتائج هذا النهج كبيرة. فعندما اختبر الفريق نظامهم الجديد على مجموعة بيانات من صور الرنين المغناطري لواحد وثمانين مريضًا يعانون من بطانة الرحم المهاجرة، تفوق النظام على عدة طرق موجودة. إن المعيار الأكثر شيوعًا لقياس مدى جودة رسم الكمبيوتر لخطوط العضو هو درجة تسمى "معامل دايس" (Dice coefficient)، والتي تتراوح من صفر إلى مائة بالمائة، حيث تشير الأرقام الأعلى إلى دقة أفضل. حققت الطريقة الجديدة درجة 61.0 بالمائة، وهو تحسن كبير عن التقنيات المتقدمة الأخرى التي سجلت حوالي 28.9 بالمائة أو أعلى قليلاً مع التدريب الكامل. وأشار الباحثون إلى أن هذا التحسن لم يكن مجرد مكسب إحصائي صغير؛ بل أصبحت الخطوط التي يرسمها الكمبيوتر أكثر تماسكًا ودقة، مما قلل من عدد المرات التي حدد فيها الأنسجة السليمة خطأً على أنها جزء من المبيض.
ومع ذلك، كشفت الدراسة أيضًا عن حدود هذا التقدم. فبينما كانت الطريقة الجديدة هي الأفضل من بين الطرق المختبرة، أقر الباحثون بأن الحصول على درجة 61 بالمائة يعني أنه لا يزال هناك مجال للتحسين، وأن النظام لا يحدد بدقة كل مبيض في كل صورة بعد. ووجدوا أن الطريقة التي دربوا بها النظام كانت مهمة للغاية. وتحديدًا، اكتشفوا أن الكمبيوتر يحتاج إلى فترة قصيرة من "التدريب التمهيدي" على بيانات الموجات فوق الصوتية وحدها قبل أن يتمكن من التعلم بفعالية من بيانات الرنين المغناطري. فإذا حاولوا تدريب مساري الطريق السريع في وقت واحد من البداية، أو إذا تخطوا التدريب التمهيدي تمامًا، فإن أداء النظام كان أسوأ بكثير. وهذا يشير إلى أن وضع أساس متين لما يبدو عليه المبيض من صور الموجات فوق الصوتية الأكثر وضوحًا هو خطوة أولى حاسمة قبل محاولة تطبيق تلك المعرفة على صور الرنين المغناطري الأكثر غموضًا.
استكشف الفريق أيضًا كيف تؤثر الإعدادات المختلفة على أداء النظام. ووجدوا أن التوازن بين مهمة مطابقة الصور القياسية ومهمة "دليل المرجع" الجديدة كان دقيقًا. فإذا اعتمد النظام بشكل مفرط على دليل الموجات فوق الصوتية، فإنه لن يتعلم ميزات الرنين المغناطري بشكل جيد؛ وإذا اعتمد عليه بشكل قليل جدًا، فإنه سيفشل في تصحيح أخطائه. ومن خلال الاختبار الدقيق، حددوا إعدادًا معينًا يعمل بشكل أفضل، مما أثبت أن الطريقة قوية ولكنها تتطلب ضبطًا دقيقًا. وخلص الباحثون إلى أنه بينما نجح نهجهم في سد الفجوة بين عالمين مختلفين من التصوير دون الحاجة لبيانات مريض متطابقة، فإن القيود الحالية للبيانات المتاحة تعني أن هذه التكنولوجيا لا تزال في طور التطور. وهم يخططون لمواصلة تحسين النظام، لا سيما من خلال تعليم الكمبيوتر كيفية التعرف بشكل أفضل على الأنسجة المحددة التي تقع بجوار المبيض مباشرة، والتي تسبب ارتباك الكمبيوتر حاليًا. ويمثل هذا العمل خطوة هامة نحو استخدام الذكاء الاصطناعي لمساعدة الأطباء في رؤية التفاصيل غير المرئية لبطانة الرحم المهاجرة، مما يوفر مسارًا نحو تشخيص ورعاية أكثر دقة.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.