← أحدث الأبحاث
📄 المعلوماتية الصحية

WHITE-Net : White matter HyperIntensities Tissue Extraction using deep learning Network

تقدم الورقة البحثية WHITE-Net، وهو إطار عمل للتعلم العميق قائم على بنية 3D ResUNet يتسم بالمتانة والقابلية للتوسع، تم تدريبه على بيانات رنين مغناطيسي متنوعة من مواقع متعددة، ويحقق تجزئة آلية عالية الدقة، وقابلة للتعميم، وسريعة لفرط كثافة المادة البيضاء دون الحاجة إلى ضبط المعلمات.

المؤلفون الأصليون: Cathala, C., Roduit, V., Carneiro, F., Heffernan, M., Vanderbecq, Q., Colliot, O., Kherif, F., Thiran, J.-P., Bussy, A., Draganski, B.

نُشر 2026-10-12
📖 4 دقيقة قراءة☕ قراءة في استراحة قهوة
CC BY 4.0

المؤلفون الأصليون: Cathala, C., Roduit, V., Carneiro, F., Heffernan, M., Vanderbecq, Q., Colliot, O., Kherif, F., Thiran, J.-P., Bussy, A., Draganski, B.

البحث الأصلي مرخَّص بموجب CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). ⚕️ هذا شرح مولَّده بالذكاء الاصطناعي لبحث مسبق لم يخضع لمراجعة الأقران. وهو ليس نصيحة طبية. لا تتخذ أي قرارات تتعلق بصحتك بناءً على هذا المحتوى. اقرأ إخلاء المسؤولية الكامل

يُعد الدماغ البشري مشهداً معقداً من الأنسجة الرخوة، ومع تقدمنا في العمر، غالباً ما تظهر فيه بقع ساطعة صغيرة تبرز في فحوصات التصوير بالرنين المغناطيسي. هذه البقع، المعروفة باسم فرط كثافة المادة البيضاء، تشبه ندبات صغيرة في أسلاك الدماغ، وعادة ما تنتج عن التآكل والتمزق التدريجي للأوعية الدموية الدقيقة. وبينما تُعد هذه البقع اكتشافاً شائعاً لدى كبار السن وترتبط بحالات مثل فقدان الذاكرة والسكتة الدماغية، إلا أنها تظهر أيضاً بشكل متكرر لدى أشخاص يشعرون بصحة جيدة تماماً. وبالنسبة للباحثين الذين يحاولون فهم كيفية تغير الدماغ بمرور الوقت، فإن عدّ وقياس هذه البقع أمر ضروري. ومع ذلك، فإن القيام بذلك يدوياً مهمة بطيئة ومملة وغير متسقة؛ فقد يرى خبير ما بقعة بينما لا يرى آخر شيئاً، كما أن الحجم الهائل للبيانات في الدراسات الحديثة يجعل العد اليدوي أمراً مستحيلاً.

ولحل هذه المشكلة، حاول العلماء لفترة طويلة بناء برامج حاسوبية يمكنها العثور تلقائياً على هذه البقع الساطعة وتحديد حدودها. وكان التحدي يكمن في أن هذه البرامج غالباً ما تعمل بشكل جيد على النوع المحدد من أجهزة الفحص التي تدربت عليها، لكنها تفشل عندما تواجه آلة مختلفة أو طريقة مختلفة قليلاً في التقاط الصورة. ويهدف أداة جديدة تسمى "WHITE-Net"، طورها فريق من الباحثين في سويسرا وفرنسا، إلى حل هذه المشكلة. فمن خلال تدريب الحاسوب على التعرف على بقع الدماغ هذه باستخدام مجموعة واسعة ومتنوعة من الصور من مستشفيات وأجهزة تصوير متعددة، نجح الفريق في إنشاء نظام يظل دقيقاً حتى عندما تتغير الظروف. ويسمح هذا النهج بوجود طريقة موثوقة ومؤتمتة لدراسة صحة الدماغ عبر مجموعات كبيرة من الناس، بغض النظر عن مكان أو كيفية التقاط فحوصاتهم.

بنى الباحثون هذه الأداة الجديدة، التي أطلقوا عليها اسم "WHITE-Net"، باستخدام نوع من الذكاء الاصطناعي الذي يتعلم من خلال النظر في آلاف الأمثلة. وبدلاً من تعليم الحاسوب باستخدام صور من مستشفى واحد فقط، قاموا بتغذيته ببيانات من ثلاثة مصادر مختلفة: دراسة مجتمعية في لوزان، ودراسة عالمية لمرض الزهايمر، ومجموعة بيانات لمسابقة شملت دولاً متعددة. تضمنت هذه المصادر صوراً من شركات مصنعة مختلفة، وقوى مجالات مغناطيسية متفاوتة، وأشخاصاً من مختلف الأعمار والحالات الصحية. تعلم الحاسوب تجاهل الاختلافات في مظهر الصور وركز بدلاً من ذلك على الشكل والسطوع الفعلي لبقع الدماغ. وكانت النتيجة نظاماً يمكنه معالجة مسح كامل للدماغ في أقل من دقيقة، دون الحاجة إلى أي تعديلات يدوية أو ضبط خبير ليعمل بشكل صحيح.

وعندما اختبر الفريق "WHITE-Net" مقابل الأساليب الحالية الأخرى، ثبت أنه متسق بشكل ملحوظ. فبينما كانت بعض البرامج القديمة تعمل بشكل جيد في مجموعة بيانات معينة ولكنها تعاني في مجموعات أخرى، حافظ "WHITE-Net" على دقة عالية في جميعها. لقد كان بارعاً بشكل خاص في تجنب الإنذارات الكاذبة، مما يعني أنه نادراً ما يصنف أنسجة الدماغ السليمة على أنها تالفة، وهو خطأ شائع ترتكبه الأدوات الأخرى. كما تعامل النظام مع الحالات التي تحتوي فيها الأدمغة على بقع قليلة جداً بنفس كفاءة الحالات التي يكون فيها الضرر واسع النطاق. وفي الاختبارات التي شملت فحوصات من أجهزة لم يسبق للحاسوب رؤيتها من قبل، استمر "WHITE-Net" في العمل بموثوقية، بينما أظهرت الأساليب الأخرى انخفاضاً كبيراً في الدقة. وهذا يشير إلى أن المفتاح لجعل هذه الأدوات تعمل في العالم الحقيقي ليس فقط في تعقيد البرمجيات، بل في تنوع البيانات المستخدمة لتعليمها.

كما بحثت الدراسة بدقة في كيفية تعامل هذه البرامج مع أحجام تلف الدماغ المختلفة. ووجد الباحثون أن معظم الأدوات المؤتمتة تعاني في رصد البقع الصغيرة جداً، حيث غالباً ما تفقدها تماماً أو تخلط بينها وبين الضوضاء الطبيعية في الصورة. كان "WHITE-Net" أكثر حذراً، حيث اختار تفويت بعض البقع الصغيرة بدلاً من الإبلاغ الخاطئ عن المناطق السليمة. وهذا النهج التحفظي ذو قيمة كبيرة في البحث العلمي، حيث إن إدراج الأنسجة السليمة في حساب المناطق التالفة يمكن أن يحرف النتائج. كما أظهرت الأداة أن جودة المسح مهمة؛ فالصور الضبابية أو التي تحتوي على آثار حركة كانت أصعب في القراءة لجميع البرامج، لكن "WHITE-Net" ظل أكثر استقراراً من منافسيه حتى في ظل هذه الظروف الصعبة.

في النهاية، يوضح هذا العمل أن برنامج الحاسوب يمكن تدريبه لرؤية تلف الدماغ بشكل موثوق عبر مجموعة متنوعة من السيناريوهات الواقعية. ومن خلال استخدام منهج يعتنق الاختلافات الطبيعية في كيفية التقاط الصور الطبية، بدلاً من محاولة جعلها تبدو جميعاً متشابهة، ابتكر الباحثون أداة جاهزة للدراسات واسعة النطاق. وهذا يعني أن العلماء يمكنهم الآن تحليل صور الدماغ لآلاف الأشخاص من مختلف أنحاء العالم بثقة، مع العلم أن قياسات صحة الدماغ متسقة وقابلة للمقارنة. والأداة متاحة الآن للباحثين الآخرين لاستخدامها، مما يوفر طريقة سريعة وسهلة لدراسة الدماغ الهرم دون الحاجة إلى مهارات تقنية متخصصة أو عمالة يدوية مكلفة.

غارق في أبحاث مجالك؟

تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.

جرّب Digest →

أبحاث مشابهة

عرض الكل في هذا التصنيف 📄 health informatics →