Image transmission through a multimode fibre in reflection mode with physics-guided deep learning towards ultrathin endoscopy
تقدم هذه الورقة إطار عمل للتعلم العميق الموجه بالفيزياء يجمع بين مصفوفة انتقال شدة حقيقية القيمة منعكسة وشبكات استعادة الصور لتمكين استعادة الصور بلقطة واحدة ودون الحاجة لاستعادة الطور عبر الألياف متعددة الأنماط في وضع الانعكاس، مما يحسن جودة الصورة والقدرة على التعميم بشكل كبير من أجل التنظير الداخلي فائق الرقة.
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
تخيل محاولة رؤية ما بداخل جسم الإنسان دون إجراء شق جراحي كبير. لقد اعتمد الأطباء لفترة طويلة على المناظير -وهي أنابيب مرنة مزودة بكاميرات- للنظر داخل الممرات الضيقة مثل المجاري الهوائية أو الأوعية الدموية. ومع ذلك، فإن الحصول على صورة واضحة من خلال أنبوب يتسم بكونه رفيعاً للغاية ومرناً في آن واحد يمثل تحدياً هندسياً كبيراً. غالباً ما تستخدم المناظير الرفيعة التقليدية حزمًا من آلاف الألياف الزجاجية الصغيرة، لكن هذه الحزم لا يمكنها إلا إنتاج صور ذات ملمس يشبه قرص العسل مع دقة محدودة. وهناك بديل أكثر واعدية، وهو خيط واحد فائق النحافة من الزجاج يسمى "الألياف متعددة الأنماط". وبينما يتميز هذا الليف بالقدرة على الالتواء والالتفاف عبر أصعب زوايا الجسم، إلا أنه يشتت الضوء بشكل كامل لدرجة أنه إذا سلطت صورة من خلاله، فإن الضوء الذي يخرج من الطرف الآخر سيبدو ككتلة عشوائية من النقاط المتلألئة. لسنوات، كافح العلماء لفك تشفير هذا التشتت واستعادة الصورة الأصلية، خاصة عندما يُستخدم الليف في وضع "الانعكاس"، حيث يقوم نفس الخيط بإرسال الضوء واستقبال الضوء المرتد من الأنسجة.
لقد طور فريق من الباحثين في كينجز كوليدج لندن طريقة جديدة لحل هذا اللغز، حيث حولوا بقع الضوء الفوضوية إلى صورة واضحة في لحظة واحدة. يعتمد نهجهم، المفصل في دراسة حديثة، على الجمع بين حساب فيزيائي ذكي ونوع من الذكاء الاصطناعي المصمم لتنقية الصور. وبدلاً من محاولة عكس عملية تشتت الضوء المعقدة دفعة واحدة، يستخدمون أولاً خريطة رياضية لإنشاء مسودة أولية ضبابية للجسم. بعد ذلك، تأخذ شبكة حاسوبية متخصصة تلك المسودة وتقوم بتحسينها، وتملأ التفاصيل المفقودة وتزيل الضجيج. تسمح هذه العملية المكونة من خطوتين بالرؤية عبر الليف دون الحاجة إلى معدات معقدة لقياس طور موجات الضوء، وهو مطلب جعل الطرق السابقة صعبة الاستخدام في البيئات الطبية الفعلية.
بنى الباحثون نظاماً يتم فيه إرسال شعاع ليزر عبر ليف متعدد الأنماط بطول مترين وقطر قلب يبلغ 600 ميكرومتر. وفي الطرف البعيد، يصطدم الضوء بجسم ما ويرتد عائداً عبر نفس الليف. ولأن الضوء يسافر ذهاباً وإياباً، فإنه يتشتت مرتين، مما يخلق نمطاً معقداً للغاية من البقع الساطعة والمظلمة على كاميرا موجودة في الطرف القريب. ولتفسير ذلك، قام الفريق أولاً بعملية معايرة؛ حيث عرضوا سلسلة من الأنماط المعروفة على مرآة رقمية عند طرف الليف وسجلوا كيفية تشتت الضوء أثناء عودته. ومن خلال هذه القياسات، بنوا "مصفوفة انتقال شدة قيمية حقيقية منعكسة". وبعبارة أخرى، هذا عبارة عن جدول بحث ضخم يتنبأ بما يجب أن يبدو عليه النمط الضبابي المشتت لأي جسم، بناءً على سطوع الضوء فقط، دون الحاجة إلى معرفة الطور غير المرئي لموجات الضوء.
باستخدام جدول البحث هذا، يمكن للنظام توليد تخمين فوري للصورة من لقطة واحدة للضوء المشتت. هذه الصورة الأولية ليست مثالية؛ فهي غالباً ما تكون محببة ومنخفضة التباين، لكنها تلتقط الشكل الأساسي وتخطيط الجسم. بعد ذلك، قام الباحثون بتغذية هذه الصورة الخشنة في أربعة أنواع مختلفة من شبكات التعلم العميق، وهي برامج حاسوبية مدربة على التعرف على التفاصيل البصرية واستعادتها. تعمل هذه الشبكات كـ "محرر رقمي"، حيث تأخذ نقطة البداية المحببة وتقوم بشحذ الحواف، ورفع التباين، وإزالة النقاط العشوائية للكشف عن صورة واضحة. اختبر الفريق هذه الطريقة على ثلاث مجموعات مختلفة من الصور: أرقام مكتوبة بخط اليد، وصور لملابس، ومشاهد طبيعية. وفي كل حالة، أنتج الجمع بين جدول البحث القائم على الفيزياء ومنظف الذكاء الاصطناعي نتائج أفضل بكثير مما لو تم استخدام الذكاء الاصطناعي وحده لتخمين الصورة من الضوء المشتت الخام.
جاء الاختبار الحقيقي لهذا الأسلوب عندما تساءل الباحثون عما إذا كان بإمكان النظام التعامل مع صور لم يسبق له رؤيتها من قبل. لقد دربوا شبكات الذكاء الاصطناستخدام صور الملابس فقط، ثم طلبوا منها إعادة بناء صور لمشاهد طبيعية، مثل الحيوانات والمناظر الطبيعية، والتي تبدو مختلفة تماماً عن الملابس. عندما حاول الذكاء الاصطناعي القيام بذلك بمفرده، دون مساعدة جدول البحث القائم على الفيزياء، كانت النتائج سيئة؛ حيث فشل النظام في التعرف على الأشكال الجديدة وأنتج كتلًا ضبابية غير مفهومة. ومع ذلك، عندما تم تزويد الذكاء الاصطناعي بالمسودة الخشنة من جدول البحث أولاً، كان أداؤه جيداً بشكل ملحوظ. فقد نجح في إعادة بناء المشاهد الطبيعية، محافظاً على هيكل الأشياء حتى دون أن يكون قد تدرب عليها. يشير هذا إلى أن الخطوة القائمة على الفيزياء توفر أساساً صلباً يساعد الذكاء الاصطناعي على التعميم في مواقف جديدة، بدلاً من مجرد حفظ أمثلة محددة.
ولإثبات أن النظام يعمل في العالم الحقيقي، وضع الباحثون أجساماً مادية فعلية عند طرف الليف، بما في ذلك شبكة تهوية معدنية، وإبرة خياطة، وحرف مطبوع. لم تكن هذه الأجسام جزءاً من أي بيانات تدريب. التقط النظام الضوء المرتد عنها، وباستخدام عملية المعايرة ومعالجة الذكاء الاصطناعي نفسها، أعاد بناء صور واضحة لثقوب الشبكة، وعمود الإبرة، وخطوط الحرف. كانت النتائج حادة بما يكفي لتمييز التفاصيل الدقيقة، مما أثبت أن الطريقة يمكن أن تتجاوز المحاكاة الحاسوبية وتتعامل مع الطبيعة غير المتوقعة لتشتت الضوء في العالم الحقيقي. وأشار الباحثون إلى أنه بينما يقتصر النظام حالياً على الحاجة لإعادة المعايرة إذا انحنى الليف بشكل كبير أو تغيرت درجة الحرارة، فإن القدرة على توليد صورة واضحة من لقطة واحدة دون قياسات الطور تعد خطوة كبيرة للأمام.
يفتح هذا العمل مساراً واعداً نحو التنظير الداخلي فائق النحافة، حيث يمكن توجيه مسبار بضعف قطر الشعرة إلى أعمق وأضيق أجزاء الجسم لتوفير صور عالية الدقة في الوقت الفعلي. ومن خلال فصل المشكلة إلى خطوة أولى موجهة بالفيزياء وخطوة تنظيف تعتمد على البيانات، أنشأ الباحثون نظاماً يتسم بالمتانة والقابلية للتكيف. فهو لا يتطلب أجهزة قياس التداخل المعقدة التي أعاقت المحاولات السابقة للتصوير في وضع الانعكاس، مما يجعله أكثر عملية للاستخدام السريري. تشير النتائج إلى أنه من خلال الجمع بين قابلية التنبؤ بالفيزياء وقدرة الذكاء الاصطناعي على التكيف، يمكن للعلماء إطلاق العنان لإمكانات مناظير الألياف الفردية، مما قد يسمح للأطباء بالرؤية داخل الجسم بمستوى من التفاصيل والمرونة كان مستحيلاً في السابق.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.