Dual-Part Multi-Lateral Branched Network for Multi-Class Segmentation in Cardiovascular Catheterization Angiograms
تقدم هذه الورقة شبكة الفروع متعددة الجوانب ثنائية الأجزاء (MLBNet)، وهي بنية متخصصة مصممة لتحقيق تقسيم سريع ودقيق ومعتمد على الفئات للأسلاك التوجيهية والقساطر والأوعية في تصوير الأوعية القلبية باستخدام كتل ترميز متعددة الجوانب وفروع فك تشفير منحازة للفئات.
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
داخل جسم الإنسان، تُعد الشرايين بمثابة نظام طرق سريع معقد ومتفرع. وعندما يهدد انسدادٌ ما بتوقف تدفق الدم، غالباً ما يقوم الأطباء بإجراء طبي يُسمى قسطرة القلب. حيث يقومون بتمرير أنبوب رفيع ومرن، يُعرف باسم القسطرة، عبر وعاء دموي للوصول إلى القلب. ولرؤية المسار الذي يسلكه الأنبوب، يستخدم الأطباء التصوير بالأشعة السينية، الذي ينتج فيديو حياً لداخل الجسم. ومع ذلك، غالباً ما تكون هذه الصور ضبابية ومليئة بالضجيج، مما يجعل من الصعب على العين البشرية التمييز بين السلك المعدني الرفيع للأداة وبين الهيكل الدقيق الذي يشبه الشجرة للأوعية الدموية. هذا الارتباك البصري قد يكون خطيراً؛ فإذا لم يستطع الطبيب التمييز بوضوح بين الأداة والوعاء، فإنه يخاطر بإتلاف الشريان أو تفويت الانسداد تماماً.
لسنوات، حاولت برامج الكمبيوتر المساعدة من خلال تحديد هذه الهياكل تلقائياً في صور الأشعة السينية. لكن معظم هذه البرامج مصممة لإيجاد شيء واحد فقط في كل مرة، مثل الأداة فقط أو الوعاء فقط. ولكن في الواقع الفوضوي للجراحة، غالباً ما تكون الأداة والوعاء متشابكين معاً، وتكون الخلفية مليئة بظلال أخرى. والبرنامج الذي يبحث عن جسم واحد فقط غالباً ما يصاب بالارتباك عند وجود الجسم الآخر. لقد احتاج الباحثون إلى طريقة لتعليم الكمبيوتر رؤية المشهد بأكمله دفعة واحدة، وفصل الخلفية والأوعية الدموية والأدوات الطبية إلى فئات متميزة وواضحة، كل ذلك أثناء حدوث الإجراء في الوقت الفعلي.
قام فريق من الباحثين بتطوير نظام كمبيوتر جديد مصمم لحل هذه المشكلة تحديداً. لقد أنشأوا بنية رقمية يسمونها "الشبكة ثنائية الأجزاء"، والتي تعمل مثل زوج من العيون المدربة تدريباً عالياً يمكنها النظر إلى صورة أشعة سينية واحدة وفرز كل بكسل فوراً إلى مجموعته الصحيحة. وبدلاً من محاولة إيجاد الأداة والوعاء باستخدام نفس مجموعة القواعد، يستخدم هذا النظام جزأين منفصلين ولكن متصلين. الجزء الأول، وهو "المُشفّر" (encoder)، يقوم بمسح الصورة لجمع كافة التفاصيل المرئية، مستخدماً مسارات متوازية متعددة لفهم الميزات المختلفة مثل الحواف والأشكال. أما الجزء الثاني، وهو "فك التشفير" (decoder)، فيأخذ تلك المعلومات ويقسمها إلى ثلاثة مسارات متخصصة. يركز أحد المسارات بالكامل على إيجاد الخلفية، والآخر على الأوعية الدموية، والثالث على الأدوات الطبية. ومن خلال منح كل مهمة مسارها المخصص، يتجنب النظام الارتباك الذي يحدث عندما يحاول كمبيوتر واحد القيام بكل شيء في آن واحد.
اختبر الباحثون هذا النظام الجديد على مجموعة متنوعة من الصور، تراوحت من صور لأدوات تتحرك عبر نماذج بلاستيكية للشرايين إلى لقطات أشعة سينية فعلية من تجارب على الحيوانات. وفي النماذج البلاستيكية، حيث كانت الصور أكثر وضوحاً، أدى النظام أداءً دقيقاً للغاية، حيث حدد بشكل صحيح الخلفية والأوعية والأدوات في كل حالة تقرياً. لقد حقق مستوى عالياً من الدقة، ونجح في فصل الأدوات الرفيعة والمتعرجة عن الأوعية التي تسافر من خلالها. ومع ذلك، كشفت الاختبارات أيضاً عن حدود النظام. فعندما طبق الباحثون النموذج على بيانات حيوانية أكثر تعقيداً من العالم الحقيقي، انخفض الأداء. فقد عانى النظام من صعوبة في التمييز بين القسطرة وسلك التوجيه عندما بدوا متشابهين جداً، وأحياناً خلط بين الأدوات والخلفية. وهذا يشير إلى أنه بينما يعد النظام ممتازاً في فهم التخطيط العام للمشهد، فإنه لا يزال يجد صعوبة في التمييز بين الأجسام التي تبدو متطابقة تقريباً، خاصة عندما تكون جودة الصورة ضعيفة.
كما قارنت الدراسة هذا النهج الجديد بالطرق القياسية القديمة المستخدمة في التصوير الطبي. وأظهرت النتائج أن النظام الجديد كان أفضل بكثير في الحفاظ على استقلالية الأجزاء المختلفة من الصورة. فغالباً ما كانت الطرق القديمة ترتكب المزيد من الأخطاء، إما بتفويت الأدوات تماماً أو بتحديد أجزاء من الخلفية على أنها وعاء دموي. وقد سمحت قدرة النظام الجديد على استخدام مسارات متخصصة لكل نوع من الأجسام بالحفاظ على صورة أوضح للمشهد، حتى عندما كانت الصورة مزدحمة. ووجد الباحثون أن النظام يعمل بشكل أفضل عندما تأتي بيانات التدريب وبيانات الاختبار من مصادر متشابهة، مثل مجموعتين مختلفتين من النماذج البلاستيكية. وعندما حاولوا استخدام نموذج تم تدريبه على البلاستيك لتفسير صور من حيوانات حية، انخفض الأداء، مما يشير إلى أن النظام يحتاج إلى إعادة تدريب أو تعديل عندما تتغير البيئة المرئية بشكل كبير.
في نهاية المطاف، يوضح هذا العمل أنه من الممكن بناء نظام رؤية حاسوبية يمكنه فهم هياكل متعددة ومتداخلة في آن واحد في صورة طبية. لقد نجح النظام في فصل الخلفية والأوعية والأدوات، مما يوفر رؤية أوضح للأطباء أثناء الإجراءات الحرجة. وبينما لا تزال هذه التكنولوجيا غير مثالية لكل نوع من الصور الطبية، لا سيما تلك ذات التباين المنخفض أو الاختلافات التشريحية المعقدة، إلا أنها تمثل خطوة كبيرة للأمام. ويخلص الباحثون إلى أنه لكي تكون هذه التكنولوجيا مفيدة حقاً في المستشفى، يجب أن تكون النسخ المستقبلية ليس فقط سريعة ودقيقة، بل أيضاً قابلة للتفسير، مما يسمح للأطباء بفهم سبب اتخاذ الكمبيوتر لقرار معين. وحتى ذلك الحين، تقدم هذه الطالة الجديدة أداة قوية لتحسين سلامة ودقة عمليات القلب، محولةً الأشعة السينية الضبابية والمربكة إلى خريطة حيث لكل خط معنى واضح.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.