DL-TUS: A Frequency-Aware Deep Learning Framework for Thyroid Nodule Classification in Ultrasound Images
تقترح الورقة البحثية إطار عمل DL-TUS، وهو إطار تعلم عميق مدرك للتردد يستفيد من تحويلات المويجات والتلافيف المتسعة متعددة المقاييس لتصنيف عقيدات الغدة الدرقية في صور الموجات فوق الصوتية بفعالية، محققاً دقة عالية ومتانة ضد الضجيج وتحديات العقد الدقيقة.
البحث الأصلي مرخَّص بموجب CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل
تُعد عقيدات الغدة الدرقية عبارة عن كتل صغيرة تتشكل في الغدة الموجودة في قاعدة الرقبة. وهي شائعة للغاية، وبينما تكون معظمها حميدة، يجب على الأطباء التمييز بعناية بين القلة التي قد تكون سرطانية لضمان حصول المرضى على العلاج المناسب. الأداة الأساسية لهذا الاستقصاء هي الموجات فوق الصوتية (الألتراساوند)، وهي تقنية تصوير غير مؤلمة تستخدم الموجات الصوتية لإنشاء صور لجسم الإنسان من الداخل. ومع ذلك، غالباً ما يصعب قراءة هذه الصور؛ فهي غالباً ما تكون محببة وتفتقر إلى التباين الحاد، مما يجعل من الصعب رؤية الاختلافات الدقيقة بين الكتلة الحميدة والكتلة الخطيرة. لعقود من الزمن، اعتمد الأطباء على خبراتهم الخاصة وقوائم التحقق المعيارية لتفسير هذه الصور الضبابية، لكن التقدير البشري يمكن أن يتباين، كما أن "الضجيج" في الصور يمكن أن يخفي أحياناً تفاصيل حاسمة.
ولمعالجة هذه التحديات، لجأ الباحثون إلى الذكاء الاصطناعي، وتحديداً التعلم العميق، الذي يعلّم الحواسيب التعرف على الأنماط في الصور. تنظر معظم الأنظمة الحالية إلى صور الموجات فوق الصوتية هذه بنفس الطريقة التي ينظر بها البشر: من خلال تحليل الأشكال وظلال اللون الرمادي في الصورة نفسها. ومع ذلك، يشير بحث جديد إلى أن هذا النهج يفتقد طبقة حيوية من المعلومات. يقترح الباحثون أن الضجيج المحبب والنسيج الدقيق داخل الصورة يحتويان على إشاراتهما الفريدة الخاصة، والمتميزة عن الشكل العام للعقيدة. ومن خلال فصل الصورة إلى مخططها الهيكلي الخشن وتفاصيلها الدقيقة المحببة، ثم تعليم الكمبيوتر تحليل هذين الجزئين بشكل منفصل قبل دمجهما، يمكن للنظام رؤية ما تغفل عنه العين البشرية والحواسيب القياسية.
قام الفريق، بقيادة ليبينغ شياو وزملاؤه في مركز غوانزو للخدمات الخاصة للتعافي التابع لقوات الصواريخ في جيش التحرير الشعبي، بتطوير إطار عمل جديد يسمى DL-TUS. فبدلاً من تغذية صورة الموجات فوق الصوتية كاملة في برنامج كمبيوتر واحد، يقومون أولاً بتفكيك الصورة باستخدام أداة رياضية تُعرف باسم "تحويل المويجات" (wavelet transform). تخيل أنك تأخذ صورة فوتوغرافية وتفصلها إلى طبقتين: طبقة تظهر الأشكال العريضة والناعمة للغدة الدرقية والعقيدة، وطبقة أخرى تلتقط فقط الحواف الدقيقة والحادة والنسيج المحبب. في عالم الموجات فوق الصوتية، تحمل الطبقة الناعمة التشريح العام، بينما تحمل الطبقة المحببة القرائن المحددة التي غالباً ما تشير إلى السرطان، مثل ترسبات الكالسيوم الصغيرة أو الحدود المتعرجة.
بنى الباحثون نظاماً ذا فرعين لمعالجة هذه الطبقات المنفصلة. يركز أحد فرعي برنامج الكمبيوتر حصرياً على الطبقة الناعمة ذات التردد المنخفض لفهم الشكل والحجم الإجمالي للعقيدة. أما الفرع الآخر، فقد صُمم ليكون شديد الحساسية للطبقة المحببة ذات التردد العالي، حيث يبحث عن تلك التفاصيل الدقيقة والحادة التي تشير إلى الخطر. يستخدم هذا الفرع الثاني نوعاً خاصاً من المعالجة يسمح له برؤية الأنسجة الدقيقة دون طمسها، وهي مشكلة تحدث غالباً عندما تحاول الحواسيب تبسيط الصور. وبمجرد أن يشكل كلا الفرعين رأيهما الخاص، يعمل "نموذج الدمج" كوسيط، حيث يزن بعناية المعلومات القادمة من الشكل الناعم والنسيج الحاد لاتخاذ قرار نهائي.
ولضمان عدم خداع النظام بسهولة من خلال الاختلافات الطبيعية في كيفية عمل أجهزة الموجات فوق الصوتية، أضاف الباحثون خطوة تدريب فريدة. لقد علموا الكمبيوتر تجاهل التغييرات الطفيفة في النسيج المحبب التي قد تحدث ببساطة لأن الطبيب ضغط على المجس بقوة أكبر أو عدل إعدادات الجهاز. فعلوا ذلك عبر تغيير الأجزاء المحببة من الصور قليلاً وإجبار الكمبيوتر على إعطاء نفس التشخيص بغض النظر عن هذه التحولات الصغيرة. هذه التقنية، المعروفة باسم "تنظيم الاتساق" (consistency regularization)، تساعد النموذج على التركيز على العلامات الطبية الحقيقية للسرطان بدلاً من الضجيج العشوائي الناتج عن الجهاز.
وعند اختبار النظام على مجموعة كبيرة من صور الموجات فوق الصوتية لأكثر من 800 مريض، تفوق النظام الجديد على مجموعة واسعة من النماذج الحالية، بما في ذلك النماذج القائمة على بنى "المحولات" (transformer architectures) المتقدمة وشبكات التعلم العميق القياسية. وفي مجموعة منفصلة من المرضى لم يرها النظام من قبل، حقق إطار العمل الجديد درجة (AUC) بلغت 0.944 في التمييز بين العقيدات الحميدة والخبيثة، مع درجة (AUC) إجمالية بلغت 0.913. وكان هذا تحسناً ذا دلالة إحصائية عن أفضل نموذج تالٍ، والذي سجل 0.938 في درجة (AUC). كما أثبت النظام فعالية خاصة في تحديد "العقيدات الدقيقة"، وهي كتل صغيرة يقل قطرها عن سنتيمتر واحد. وتعتبر هذه العقيدات الصغيرة صعبة التشخيص بشكل ملحوظ لأنها تقدم معلومات هيكلية ضئيلة جداً، ومع ذلك حافظ النظام الجديد على مستوى عالٍ من الدقة لها، محققاً درجة (AUC) بلغت 0.916.
كما بحثت الدراسة مدى قدرة النظام على شرح قراراته. ومن خلال تصور المناطق في الصورة التي ركز عليها الكمبيوتر، وجد الباحثون أن النظام سلط الضوء بشكل صحيح على الميزات ذات الصلة. فقد مال الفرع الناعم إلى النظر في الحدود الإجمالية للعقيدة، بينما ركز الفرع المحبب على الحواف غير المنتظمة والبقع الصغيرة الساطعة المرتبطة بالسرطان. وعند الجمع بينهما، قدمت هذه الرؤى صورة أكثر اكتمالاً مما قد يقدمه أي منهما بمفرده. علاوة على ذلك، كان النظام أكثر دقة في المعايرة من منافسيه، مما يعني أن درجات الثقة الخاصة به كانت أكثر موثوقية؛ فإذا قال النظام إن هناك احتمال 90 بالمائة بأن العقيدة سرطانية، فقد كان صحيحاً في 90 بالمائ^ة من المرات، وهي سمة حاسمة للأدوات الطبية التي يجب أن تدعم اتخاذ القرار السريري.
وبينما تبدو النتائج واعدة، يقر الباحثون بأن الدراسة أُجريت باستخدام بيانات من مركز واحد ونوع محدد من مجموعات بيانات الموجات فوق الصوتية. لقد تم تدريب النظام على صور ثابتة ولم يدمج تسلسلات الفيديو أو التاريخ المرضي، والتي غالباً ما تكون جزءاً من الفحص الواقعي. ويقترح المؤلفون أن العمل المستقبلي سيحتاج إلى اختبار النظام عبر مستشفيات مختلفة ومع أجهزة موجات فوق صوتية متنوعة لضمان عمله بموثوقية في بيئات سريرية متنوعة. ومع ذلك، فإن النتائج تظهر أنه من خلال تعليم الحواسيب صراحةً فهم الترددات المختلفة داخل الصورة، بدلاً من مجرد الأشكال المرئية، يمكننا إنشاء أدوات أكثر قوة ودقة للكشف عن سرطان الغدة الدرقية. يقدم هذا النهج مساراً جديداً للتشخيص بمساعدة الكمبيوتر، متجاوزاً مجرد مطابقة الأنماط البسيطة إلى فهم أعمق للإشارات المعقدة المختبئة داخل الصور الطبية.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.