SRM-UNet: A Lightweight Structure-Region Guided Network with Multi-Receptive-Field Learning for Dermoscopic Skin Lesion Segmentation
تقدم هذه الورقة البحثية شبكة SRM-UNet، وهي شبكة خفيفة الوزن توظف آلية تعاون صريحة بين البنية والمنطقة وتعلم تعدد مجالات الاستقبال لتحقيق دقة عالية وكفاءة في استهلاك الموارد في تقسيم آفات الجلد في الصور الجلدية ذات الحدود الضبابية والأشكال غير المنتظمة.
تخيل أنك محقق يحاول حل لغز، لكن مسرح الجريمة ليس سوى صورة فوتوغرافية صغيرة وضبابية لبقعة جلدية. في عالم التصوير الطبي، هذا هو التحدي اليومي لعملية "التجزئة" (segmentation). إنها العملية التي تُعلم الكمبيوتر كيف ينظر إلى صورة للجلد ويرسم خطاً مثالياً حول بقعة مشبوهة، ليفصل بين الأنسجة "السيئة" والأنسجة "الجيدة". فكر في الأمر ككتاب تلوين رقمي حيث يتعين على الكمبيوتر تلوين شكل محدد فقط للآفة، متجاهلاً النمش والشعر والظلال الغريبة التي تحاول خداعه. المشكلة هي أن هذه البقع الجلدية غالباً ما تكون فوضوية: لها حواف ضبابية، وتبدو مثل الخلفية، وتأتي بشتى أنواع الأشكال الغريبة وغير المنتظمة. ولفترة طويلة، عانت الحواسيب في رسم هذه الخطوط بدقة دون أن ترتبك بسبب الضجيج.
ولجعل الأمر أكثر صعوبة، يجب أن تكون الحواسيب التي تقوم بهذا العمل سريعة وصغيرة بما يكفي لتعمل على الأجهزة العادية، وليس فقط على الحواسيب العملاقة. وهنا يأتي دور الشبكات "خفيفة الوزن" (lightweight). فكر في دماغ الكمبيوتر القياسي كمكتبة ضخمة تحتوي على ملايين الكتب؛ يمكنها إيجاد الإجابة، لكنها تشغل مساحة كبيرة وتستهلك طاقة عالية. أما الشبكة "خفيفة الوزن" فهي مثل دليل جيب ذكي: صغير الحجم، يتسع في جيب خلفي، ويمكنه أيضاً حل اللغز بسرعة. السؤال الكبير الذي يسأل عنه الباحثون هو: هل يمكننا بناء محقق بحجم الجيب يكون بارعاً في إيجاد الأدلة تماماً مثل المكتبة الضخمة؟
إليك SRM-UNet، المحقق الرقمي الجديد المصمم من قبل "شيكاي تشانج" وفريقه في جامعة داليان للمحيطات. لقد أدركوا أن المحققين السابقين خفاف الوزن كانوا غالباً بسيطين للغاية، مما يجعلهم يفقدون التفاصيل الدقيقة لشكل البقعة الجلدية، بينما كانت الأنظمة الضخمة والثقيلة بطيئة جداً للاستخدام اليومي. ولحل هذه المشكلة، بنوا نظاماً يعمل كفريق مكون من شخصين يعملان معاً. أولاً، أنشأوا "مشفرًا محليًا وعالميًا مدركًا للهيكل" (SLGE). يمكنك التفكير في هذا كعدسة مكبرة للمحقق لا تكتفي بالنظر إلى الببقعة فح die، بل تدرس أيضاً ملمس وشكل المنطقة المحيطة بها لإنشاء "خريطة ذهنية" لما يجب أن يبدو عليه الحد بالفعل. إنه يشبه النظر إلى قطعة أحجية وتخمين شكل القطعة المجاذ لها قبل حتى أن تراها.
بعد ذلك، يتم تمرير هذه الخريطة الذهنية إلى الجزء الثاني من الفريق: "التحسين الموجه بالأولوية بعد الدمج" (PRSF). إذا كان الجزء الأول يمثل جمع المحقق للأدلة، فإن هذا الجزء هو الفنان الذي يصقل الرسم التخطيطي. فهو يأخذ المخطط الأولي ويستخدم "الخريطة الذهنية" من الجزء الأول لتنعيم الخطوط المتعرجة وإصلاح الأخطاء. إنه يشبه وجود محرر صارم يقول: "مهلاً، هذا الحرف يبدو متعرجاً للغاية؛ الخريطة تقول إنه يجب أن يكون أكثر نعومة هنا"، ثم يقوم بإصلاحه. كما أضاف الفريق خدعة تدريب خاصة حيث يتم تقييم الكمبيوتر بناءً على رسوماته التخطيطية المتوسطة، وليس فقط على الصورة النهائية، مما يساعده على تعلم رصد الحواف بشكل أفضل منذ البقة.
وعندما اختبر الفريق نظام SRM-UNet الجديد على ثلاث مجموعات مختلفة من صور الجلد (ISIC2017 و ISIC2018 و PH2)، كانت النتائج مبهرة. تمكن النظام من رسم خطوط دقيقة للغاية حول الآفات الجلدية، محققاً "درجة دايس" (Dice score) - وهي مقياسة لمدى مطابقة رسم الكمبيوتر للشكل الحقيقي - بلغت 0.8441 في مجموعة البيانات الأولى، و0ح 0.8790 في الثانية، ودرجة عالية جداً بلغت 0.9267 في الثالثة. وما يجعل هذا الأمر مثيراً للإعجاب بشكل أكبر هو أن النظام بأكمله صغير جداً؛ إذ يحتوي فقط على 0.052 مليون معلمة (حجم دماغ الكمبيوتر) ويتطلب 0.265 جي فلوب (GFLOPs) من القدرة الحسابية. وهذا يعني أنه صغير بما يكفي للعمل على الأجهزة الأصغر حجماً مع استمرار أدائه بشكل أفضل من العديد من الأنظمة الأكبر والأكثر تعقيداً التي تمت مقارنتها بها.
يشير المؤلفون إلى أن هذا النهج يعمل بشكل جيد بشكل خاص مع الحالات الأكثر صعوبة: البقع ذات الحواف الضبابية، أو التباين المنخفض، أو الأشكال الغريبة التي عادة ما تربك الحواسيب. ومن خلال الجمع بين مشفر يركز على الهيكل ومصقل يركز على المنطقة، يبدو أن SRM-UNet قد وجد "النقطة المثالية" بين صغر الحجم والذكاء. ومع ذلك، يشير الفريق إلى أنه على الرغم من أن هذه النتائج واعدة، إلا أنها اختُبرت على مجموعات بيانات عامة، وهناك حاجة لمزيد من الاختبار على بيانات طبية متنوعة من العالم الحقيقي للتأكد من أنه يعمل في كل مكان. ولكن في الوقت الحالي، يظل SRM-UNet نموذجاً قوياً لكيفية قيام شبكة خفيفة الوزن ومصممة بذكاء بحل لغز طبي معقد دون الحاجة إلى حاسوب خارق.
ملخص تقني لشبكة SRM-UNet: شبكة موجهة بالبنية والمنطقة خفيفة الوزن
بيان المشكلة لا يزال التجزئة الدقيقة لآفات الجلد في الصور الجلدية يمثل تحديًا كبيرًا في تحليل الصور الطبية بسبب عدة صعوبات متأصلة: الحدود الضبابية، وانخفاض التباين بين الآفات والأنسجة المحيطة، والمورفولوجيا غير المنتظمة للآفات، والتداخل من العوامل الاصطناعية مثل الشعر، والفقاعات، وتفاوت الإضاءة. وبينما أصبحت الشبكات العصبية الالتفافية (CNNs)، وخاصة بنية U-Net، معيارًا قياسيًا لتجزئة الصور الطبية، إلا أن الطرق الموجودة تواجه قيودًا محددة. غالبًا ما تقوم متغيرات U-Net التقليدية بنقل ضوضاء النسيج الضحلة مباشرة إلى فك التشفير عبر اتصالات التخطي (skip connections)، مما يؤدي إلى زعزعة استقرار تنبؤات الحدود. علاوة على ذلك، بينما تُصمم الشبكات خفيفة الوزن من أجل الكفاءة، فإنها غالبًا ما تضحي بتمثيل الإشارات الهيكلية المحلية، وتفاصيل الحدود، والمعلومات السياقية العالمية. بالإضافة إلى ذلك، تعتمد العديد من الطرق الحالية الواعية بالحدود إما على انتباه المنطقة أو إشارات الحدود بشكل منعزل، مما يفتقر إلى التعاون الصريح بين تحديد المنطقة وتوجيه البنية الهيكلية.
المنهجية لمعالجة هذه التحديات، يقترح المؤلفون SRM-UNet، وهي شبكة خفيفة الوزن موجهة بالبنية والمنطقة تتضمن تعلم تعدد مجالات الاستقبال. تتبع البنية إطار عمل مشفر-فك تشفير على شكل حرف U، معزز بوحدتين أساسيتين:
المشفر المحلي-العالمي المدرك للبنية (SLGE):
الوظيفة: تستبدل هذه الوحدة كتل المشفر القياسية لاستخراج الميزات المحلية-العالمية المتكيفة مع المراحل وتوليد الأولويات الهيكلية بشكل صريح.
المكونات:
كتلة النمذجة متعددة المقاييس المحلية (LMMB): تستخدم الالتفافات بعمق التلافيف (depthwise convolutions) وفروعًا غير متماثلة بمعدلات تمدد (dilation rates) متفاوتة لالتقاط معلومات تعدد مجالات الاستقبال. كما تستخدم استراتيجية نمذجة تراكمية متبقية مع عوامل تحجيم قابلة للتعلم.
رأس الأولوية الهيكلية (Structure Prior Head): يولد أولويات هيكلية صريحة (sj) من الاستجابات الهيكلية المحلية لترميز إشارات الحدود والشكل.
انتباه إعادة معايرة المكان والقناة (SCRA): يعيد معايرة الميزات في كل من الأبعاد المكانية والقنوية لتعزيز المناطق المعلوماتية مع كبح ضوضاء الخلفية.
تعويض السياق العالمي (GCC): يتم تفعيله فقط في عنق الزجاجة (المرحلة العالمية) لتكملة المعلومات الدلالية عالية المستوى دون تكبد تكاليف إضافية في الطبقات الضحلة.
الوظيفة: تقع في فك التشفير، وتقوم بتنقية الميزات المدمجة بعد رفع مستوى الدقة ودمج اتصالات التخطي.
الآلية: تعمل بناءً على مبدأ التنقية "المهيمنة بالمنطقة، والمعززة بالبنية".
تولد أولوية منطقة (rj) من ميزة فك التشفير الحالية عبر رأس قناع (Mask Head) خفيف الوزن.
تقوم بمحاذاة الأولوية الهيكلية (sj) من مشفر SLGE مع مقياس فك التشفير الحالي.
يتم تقسيم المدخل المدمج إلى مجموعات قنوات، والتي يتم تعديلها بشكل مستقل بواسطة كل من أولويات المنطقة والبنية.
يقوم التلافيف العميق المنفصل متعدد التمدد (MD-DSConv) بتنقية هذه الميزات المعدلة.
أخيرًا، يتم دمج الميزات، وخلطها، وإضافتها إلى المرساة المتبقية (residual anchor).
استراتيجية التدريب:
تستخدم الشبكة إشراف المنطقة المساعد في مراحل متعددة من فك التشفير وإشراف الحدود المستمد من العمليات المورفولوجية على أقنعة الأرضية (ground-truth masks).
تجمع دالة الفقد الإجمالية بين فقد التجزئة الرئيسي (BCE + Dice)، وفقد المنطقة المساعد متعدد المستويات، وفقد الحدود، الموزونة لتوجيه التوطين الوسيط وتعلم الوعي بالخطوط الخارجية.
المساهمات الرئيسية تحدد الورقة ثلاث مساهمات رئيسية:
بنية SRM-UNet: شبكة خفيفة الوزن تحسن تحديد موقع الآفة واستعادة الحدود مع الحفاظ على تعقيد حسابي منخفض من خلال نهج موجه بالبنية والمنطقة.
الوحدات الأساسية (SLGE & PRSF): تصميم SLGE لالتقاط الميزات المتكيفة مع المراحل وتوليد الأولويات الهيكلية، وPRSF لتنقية ميزات فك التشفير باستخدام آلية تعاونية بين أولويات المنطقة والبنية.
استراتيجية الإشراف: تقديم إشراف المنطقة والحدود المساعد لتعزيز تعلم الميزات الوسيطة والوعي بالخطوط الخارجية، والذي تم التحقق من صحته عبر ثلاثة مجموعات بيانات عامة.
النتائج التجريبية أُجريت التجارب على مجموعات البيانات ISIC2017 وISIC2018 وPH2. تمت مقارنة SRM-UNet مع البنيات الكلاسيكية (U-Net، U-Net++، Attention U-Net) والشبكات خفيفة الوزن الحديثة (UNeXt-S، EGE-UNet، LB-UNet، إلخ).
الأداء: حققت SRM-UNet أداء تجزئة تنافسيًا عبر جميع مجموعات البيانات.
ISIC2017: Dice = 0.8441، mIoU = 0.7303.
ISIC2018: Dice = 0.8790، mIoU = 0.7841.
PH2 (اختبار خارجي): Dice = 0.9267، mIoU = 0.8634.
الكفاءة: تحافظ الشبكة على تعقيد منخفض جدًا مع 0.052 مليون معلمة و0.265 جي فلوب (GFLOPs).
دراسات الاستئصال (Ablation Studies): أكد الاستئصال التدريجي أن الجمع الكامل لـ SLGE وPRSF وإشراف الحدود أدى إلى أفضل النتائج. وأظهرت المكونات المحددة مثل LMMB وSCRA وإعدادات التمدد المحددة في LMMB أنها كانت حاسمة للأداء.
التحليل النوعي: أشارت التصورات المرئية إلى أن SRM-UNet أنتجت أقنعة آفات أكثر اكتمالاً وحدودًا مستمرة، لا سيما في الحالات ذات التباين المنخفض والأشكال غير المنتظمة، مما قلل من التجزئة الزائدة والتجزئة الناقصة مقارنة بالمنافسين.
الأهمية والادعاءات يدعي المؤلفون أن SRM-UNet توفر إطار عمل خفيف الوزن وفعال لتجزئة آفات الجلد الجلدية. تكمن أهمية العمل في قدرته على تحسين اتساق منطقة الآفة واستعادة الحدود خصيصًا في الحالات الصعبة (الحدود الضبابية، التباين المنخفض) دون زيادة العبء الحسابي. وتفترض الورقة أن التعاون الصريح بين الأولويات الهيكلية المولدة من المشفر وأولويات المنطقة المشتقة من فك التشفير يقدم حلاً قويًا للمقايضة بين الدقة والكفاءة.
يتبنى المؤلفون موقفًا متواضعًا فيما يتعلق بالتداعيات المستقبلية، مشيرين إلى أنه بينما تظهر الطريقة إمكانات لتطبيقات تحليل الصور محدودة الموارد، فإن التحقق الإضافي على مجموعات بيانات أكبر ومتعددة المراكز واستكشاف استراتيجيات التعلم شبه الموجه هي اتجاهات مستقبلية ضرورية. يُقدم هذا العمل كخطوة نحو أنظمة تجزئة مدمجة ودقيقة مناسبة للبيئات التي تتطلب الدقة والكفاءة الحسابية في آن واحد.