Entropy-driven adaptive neural architecture search for cell segmentation on edge devices
تقترح هذه الورقة طريقة للبحث عن البنية العصبية قائمة على الإنتروبيا ومدركة للأجهزة بناءً على هيكل U-Net، تعمل على تحسين نماذج تقسيم الخلايا للأجهزة الطرفية ذات الموارد المحدودة، محققةً دقة تنافسية عبر مجموعات بيانات متنوعة مع ضمان كفاءة النشر.
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
في همهمة المختبر الهادئة، غالبًا ما يراقب العلماء الخلايا وهي تتحرك، تنقسم، وتتفاعل من خلال عدسة المجهر. تحدث هذه الأحداث المجهرية في الوقت الفعلي، وتتحول وتتغير بطرق تكشف كيف تنمو الحياة وتتعافى. ولفهم هذه العمليات، يجب على الباحثين التقاط آلاف الصور ثم تتبع حدود كل خلية بدقة، وهي مهمة تتسم بالرتابة والأهمية القصوى في آن واحد. لعقود من الزمن، اعتمد هذا العمل على أجهزة كمبيوتر قوية تقبع في غرف الخوادم، بعيدًا عن المجهر. ولكن ظهر أفق جديد: فكرة وضع القدرة الحوسبية مباشرة بجانب المجهر، على أجهزة صغيرة محمولة يمكنها مراقبة الخلايا باستمرار دون الحاجة إلى مركز بيانات ضخم. هذا التحول يعد بتمكين العلماء من التدخل فورًا عندما يتصرف الخلية بشكل غير متوقع، محولًا المراقبة السلبية إلى اكتشاف نشط. ومع ذلك، فإن هذه الأجهزة الصغيرة لها حدود صارمة في الذاكرة وعمر البطارية، مما يجعل من الصعب تشغيل البرامج المعقدة المطلوبة عادةً لرؤية الخلايا بوضوع.
لقد طور فريق من الباحثين في جامعة نيو ساوث ويلز وجامعة غريفيث طريقة جديدة لحل هذه المشكلة. فقد ابتكروا طريقة تصمم تلقائيًا برنامج كمبيوتر مخصص لكل نوع محدد من هذه الأجهزة الصغيرة، مما يضمن أنه قوي بما يكفي لرؤية الخلايا وخفيف بما يكفي للعمل بقدرة بطارية محدودة. وبدلاً من محاولة فرض برنامج واحد ثقيل الوزن للعمل على كل جهاز، يقوم نظامهم ببناء بنية فريدة ومبسطة لكل جهاز منها. اختبر الباحثون هذا النهج على خمسة أنواع مختلفة من لوحات الحوسبة الصغيرة، بدءًا من "راسبيري باي" وصولًا إلى أجهزة التصوير الطبي المتخصصة. ووجدوا أن طريقتهم يمكنها تحديد حدود الخلايا بدقة عالية عبر عشرة أنواع مختلفة من صور الخلايا، بما في في ذلك تلك الملتقطة بتقنيات إضاءة متنوعة مثل المجهر الفلوري والمجهر ذي المجال الساطع. ولم تكن البرامج الناتجة دقيقة فحسب، بل كانت أيضًا سريعة بما يكفي لمعالجة الصور في الوقت الفعلي، باستخدام ذاكرة وطاقة أقل بكثير من الطرق السابقة.
يكمن جوهر هذا الإنجاز في كيفية تعليم الباحثين للكمبيوتر كيف يصمم نفسه. تقليديًا، يتطلب إنشاء برنامج لإيجاد الخلايا خبيرًا بشريًا يختار ويرتب الأدوات الرياضية المختلفة يدويًا، وهي عملية تستغرق أسابيع وتتطلب خبرة عميقة. أما الطريقة الجديدة، المعروفة باسم "البحث عن البنية العصبية"، فهي تعمل على أتمتة عملية التصميم هذه. تبدأ بمخطط أساسي لبرنامج إيجاد الخلايا، ثم تستكشف ملايين التغييرات المحتملة للعثور على الأفضل. لقد كان التحدي دائمًا هو أن البرامج الأفضل أداءً غالبًا ما تكون كبيرة جددة وبطيئة للأجهزة الصغيرة. وقد حل الباحثون ذلك بإضافة مجموعة من القواعد التي تعمل بمثابة "ميزانية صارمة" أثناء مرحلة التصميم؛ حيث يتم إخبار النظام بأنه لا يمكنه تجاوز قدر معين من الوقت لمعالجة الصورة أو قدر معين من الذاكرة. وإذا حاول أي تصميم استخدام الكثير من أحدهما، فإن النظام يعاقبه، مما يجبر عملية البحث على إيجاد حلول أبسط وأكثر كفاءة.
ولجعل هذا العمل ممكنًا دون التضحية بالدقة، قدم الفريق عملية توازن ذكية. فقد وجدوا أن مجرد معاقبة التصاميم المعقدة يؤدي غالبًا إلى برامج بسيطة للغاية لدرجة تعجز عن رؤية الخلايا بوضوح. ولحل هذه المشكلة، أضافوا آلية تكافئ البرنامج على إبقاء "تفكيره" الداخلي متنوعًا وغنيًا. تخيل البرنامج كفريق من العمال؛ إذا كانت تخفيضات الميزانية شديدة للغاية، فقد يقوم الفريق بطرد الجميع ويترك العمل دون إنجاز. تضمن طريقة الباحثين أنه حتى مع وجود ميزانية ضيقة، سيتم تعيين المهام المتبقية لتعظيم قيمتهم الفريدة، مما يضمن بقاء الصورة حادة ومفصلة. سمح هذا النهج للنظام باكتشاف شبكات عالية الكفاءة، تستخدم فقط المكونات الضرورية لإنجاز المهمة.
تم اختبار النتائج على مجموعة واسعة من أنواع الخلايا، من الخلايا الجذعية إلى الخلايا السرطانية، وعبر أنماط تصوير مختلفة. وقد أدت البرامج المصممة خصيصًا أداءً يضاهي، بل ويتفوق غالبًا، على الأساليب الموجودة التي لم تُصمم خصيصًا لهذه الأجهزة الصغيرة. وفي أصغر الأجهزة، عالجت البرامج الجديدة الصور في أقل من 100 مللي ثانية، وهي سرعة كافية لمواكبة التغيرات السريعة التي تحدث داخل الخلية الحية. كما استخدمت ذاكرة أقل بكثير، حيث استوعبت بعض النماذج 10 ميجابايت فقط من مساحة التخزين، مقارنة بمئات الميجابايت التي تتطلبها النماذج القديمة الأثقل. ويعني هذا الكفاءة أنه يمكن للعالم ترك جهاز صغير يعمل في الحاضنة لأيام، يراقب انقسام الخلايا وحركتها، مع قيام الجهاز بتحليل البيانات فورًا وتنبيه الباحث فقط عندما يحدث شيء مهم.
كما تحقق الباحثون من أن طريقتهم في التنبؤ بمدى سرعة البرنامج كانت دقيقة. فقد قارنوا تقديرات الكمبيوتر مقابل الوقت الفعلي الذي استغرقه تشغيل البرامج على الأجهزة الفعلية. وكانت التقديرات قريبة جدًا من الواقع، حيث اختلف الزمن المتوقع عن الزمن الفعلي بنسبة أقل من 11 بالمائة في معظم الأجهزة. هذه الموثوقية أمر بالغ الأهمية لأنها تعني أن العلماء يمكنهم الوثوق في النظام للعثور على التصميم الصحيح دون الحاجة إلى اختبار كل احتمال على الأجهزة الفعلية، وهو أمر سيكون بطيئًا ومكلفًا للغاية. ومن خلال إثبات أن هذه البرامج خفيفة الوزن والمصممة خصيصًا يمكنها التعامل مع تعقيد البيانات البيولوجية الحقيقية، تفتح هذه الدراسة الباب أمام عصر جديد من الأبحلة البيولوجية المحمولة والآنية.
يشير هذا العمل إلى أن مستقبل مراقبة الخلايا قد لا يعتمد على أجهزة كمبيوتر عملاقة، بل على أجهزة صغيرة وذكية يمكنها التفكير لنفسها. لقد أثبت الباحثون أنه من خلال الموازنة الدقيقة بين الحاجة إلى السرعة والذاكرة والحاجة إلى الدقة، من الممكن إنشاء أدوات قوية وعملية في آن واحد. إن طريقتهم لا تجعل التكنولوجيا الموجودة أسرع فحسب، بل تغير جذريًا كيفية إنشاء هذه الأدوات، مما يسمح لها بالتكيف مع القيود المحددة للجهاز الذي ستعمل عليه. ومع ازدياد شيوع هذه الأجهزة الصغيرة في المختبرات، قد يسمح هذا النهج بمستوى من المراقبة المستمرة والآنية الذي كان مستحيلاً في السابق، مما يمنح العلماء رؤية أكثر وضوحًا وفورية للعالم الديناميكي للخلية.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.