S3-Tracker: Self-Supervised Surgical Tissue Tracking With Contrastive Random Walks

داخل جسم الإنسان، غالبًا ما تكون الرؤية من كاميرا جراحية عبارة عن مشهد متغير من الأنسجة الرخوة والمبللة التي تتمدد وتطوى وتنزلق تحت ضغط الأدوات. بالنسبة للجراحين والروبوتات التي تساعدهم، يمثل الحفاظ على خريطة ذهنية ثابتة لموقع كل قطعة من الأنسجة تحديًا مستمرًا. إذا احتاج الجراح إلى مطابقة ما يراه على الشاشة مع مسح ما قبل الجراحة، مثل الأشعة المقطعية (CT) أو الرنين المغناطيسي (MRI)، فإن المهمة تصبح شبه مستحيلة عندما تتشوه الأنسجة في الوقت الفعلي. ولحل هذه المشكلة، تحتاج الحواسيب إلى تتبع نقاط محددة على الأنسجة من إطار فيديو إلى آخر، والحفاظ على اتصال مستمر بين العرض المباشر والتشريح الداخلي للمريض. وبينما أصبح الذكاء الاصطناعي الحديث جيدًا جدًا في تتبع الأشياء في مقاطع الفيديو القياسية، فإن الواقع الفوضوي للجراحة — المليء بالدم والدخان والأسطح شديدة الانعكاس — جعل من الصعب تعليم الحواسيب كيفية القيام بذلك بشكل موثوق دون كميات هائلة من البيانات المصنفة بشريًا.

لقد طور فريق من الباحثين طريقة جديدة لتعليم الحواسيب تتبع الأنسجة الجراحية دون الحاجة إلى تلك التصنيفات التي يصعب الحصول عليها. فبدلاً من عرض آلاف مقاطع الفيديو على الكمبيوتر حيث قام البشر برسم نقاط وخطوط بدقة لإظهار الحركة، تتعلم الطريقة الجديدة، التي تسمى S3-Tracker، من خلال مشاهدة الفيديو نفسه والتحقق من عملها الخاص. يتعامل النظام مع الفيديو كسلسلة من اللحظات المتصلة ويطرح سؤالًا بسيطًا: إذا انتقلت من النقطة (أ) في إطار واحد إلى النقطة (ب) في الإطار التالي، ثم حاولت العودة من (ب) إلى (أ)، فهل سأعود بالضبط إلى حيث بدأت؟ ومن خلال إجبار الكمبيوتر على الإجابة على هذا السؤال بشكل صحيح مرارًا وتكرارًا، فإنه يتعلم فهم كيفية تحرك البكسلات وتشوهها، حتى عندما تبدو الأنسجة مختلفة تمامًا من لحظة إلى أخرى. يسمح هذا النهج للنظام بالتعلم من كميات هائلة من لقطات الفيديو الجراحية غير المصنفة، متجاوزًا عقبة الحاجة إلى خبراء بشريين لتوصيف كل إطار.

بنى الباحثون نظامهم ليعمل على أزواج من إطارات الفيديو ويكتشف كيف ترتبط البكسلات في إطار واحد بالبكسلات في الإطار التالي. وهم يستخدمون عملية تنشئ خريطة من الروابط بين هذه النقاط، حيث تطلب من الكمبيوتر فعليًا تخمين المسار الأكثر احتمالًا الذي اتخذته قطعة من النسيج. ولضمان أن الكمبيوتر لا يخمن عشوائيًا، يتحقق النظام من منطقه الخاص عبر تشغيل الحركة للأمام ثم للخلف. فإذا لم يلتقِ المسار الأمامي والمسار الخلفي في نفس النقطة، يعلم النظام أنه ارتكب خطأً ويقوم بتعديل فهمه. تسمح آلية التحقق الذاتي هذه، والتي يسميها المؤلفون "المسار العشوائي التبايني" (contrastive random walk)، للنموذج بتعلم الطرق المعقدة لتمدد وانثناء الأنسجة دون رؤية إجابة واحدة صحيحة مقدمة من إنسان. ويتضمن النظام أيضًا طريقة لتحديد متى لم تعد النقطة مرئية، ربما بسبب تغطيتها بالدم أو بأداة جراحية، ويتوقف عن تتبعها حتى تظهر مجددًا، مما يمنع الكمبيوتر من الارتباك والانحراف عن المسار.

عند اختبار هذه الطة الجديدة على مجموعات بيانات فيديو جراحية حقيقية، أثبتت الطريقة الجديدة أنها منافس قوي للأنظمة الحالية التي تعتمد على تصنيف بشري جزئي. ووجد الباحثون أن نهجهم القائم على التعلم الذاتي يمكنه تتبع النقاط بدقة تضاهي الطرق التي يتم تدريبها باستخدام بعض التوجيه البشري، مع كونها أسرع بكثير في العمل في الوقت الفعلي. وفي الاختبارات التي تقيس مدى ابتعاد النقاط المتوقعة عن الحقيقة الأرضية الفعلية، كان أداء النظام جيدًا بما يكفي لاعتباره صالحًا للاستخدام السريري، حيث حقق متوسط دقة قدره 0.708 عبر مختلف عتبات الخطأ. وبينما يمكن للنماذج الخاضعة للإشراف الكامل، والتي تستخدم تسميات بشرية كاملة، أن تكون أكثر دقة أحيانًا من حيث مسافة الخطأ الخام، إلا أنها غالبًا ما تكون بطيئة جدًا للعمل إطارًا تلو الآخر أثناء الجراحة الحية. في المقابل، يعمل الأسلوب الجديد بكفاءة كافية لمواكبة تدفق الفيديو، حيث يعالج الإطارات بمعدل ثلاث مرات في الثانية. هذه السرعة، جنباً إلى جنب مع قدرتها على التعامل مع الفوضى البصرية للجراحة دون الحاجة إلى بيانات مصنفة مسبقًا، تشير إلى أن التتبع ذاتي الإشراف قد يصبح أداة عملية لتوجيه الجراحة الروبوتية ومساعدة الجراحين في التنقل عبر التضاريس المعقدة والمتحركة لجسم الإنسان.