SWH-SegFormer: A Signal-Preserving Framework for Joint Optic Disc and Cup Segmentation and Reliable Cup-to-Disc Ratio Estimation

تُعد العين البشرية أداة بصرية معقدة، ولكن بالنسبة للأطباء الذين يراقبون "اللص الصامت" للبصر المسمى بـ "الجلوكوما" (المياه الزرقاء)، فإن الدليل الأكثر أهمية يكمن في رقعة دائرية صغيرة في خلفية الشبكية تُعرف باسم "القرص البصري". وداخل هذا القرص، يوجد منخفض مركزي أصغر يُسمى "الكأس البصرية". في العين السليمة، يكون الكأس صغيراً نسبياً، ولكن مع تقدم الجلوكوما، غالباً ما يتوسع، آكلاًً أنسجة الأعصاب المحيطة به. ولقياس هذا النمو الخطير، يحسب الأطباء نسبة بسيطة: حجم الكأس مقارنة بحجم القرص بأكته. هذا الرقم، المعروف باسم "نسبة الكأس إلى القرص"، يعمل كعلامة تحذير مبكرة حيوية. ومع ذلك، فإن قياسه يدوياً أمر صعب وعرضة للخطأ البشري، خاصة لأن الحدود بين الكأس والقرص غالباً ما تكون باهتة، وضبابية، وسهل الخلط بينها وبين الأوعية الدموية أو الإضاءة غير المتساوية.

لسنوات، حاول الباحثون تعليم الحواسيب رسم هذه الحدود تلقائياً باستخدام الذكاء الاصطناعي، لكن المهمة ظلت صعبة للغاية. فغالباً ما تعاني نماذج الرؤية الحاسوبية القياسية في رؤية التفاصيل الدقيقة اللازمة لتمييز الكأس الصغير عن القرص الأكبر، حيث تفقد حدة الحواف بشكل متكرر أثناء معالجة الصورة. يقدم بحث جديد من باحثين في جامعة شانغهاي للمحيطات وجامعة شانغهاي جياو تونغ نهجاً جديداً لهذه المشكلة. فقد طوروا نظاماً يسمى SWH-SegFormer، المصمم ليس فقط للتعرف على الأشكال، بل للحفاظ على الإشارات الدقيقة التي تحددها. ومن خلال التعامل مع الصورة كمجموعة من أنواع مختلفة من المعلومات — بعضها يظهر الأشكال العريضة والآخر يظهر الحواف الحادة — أنشأ الفريق إطار عمل يحافظ على هذه التفاصيل سليمة طوال عملية التحليل بأكملها، مما يؤدي إلى قياسات أكثر دقة لنسبة الكأس إلى القرص.

كان التحدي الجوهري الذي واجهه الباحثون هو أن الكأس البصري غالباً ما يكون أصغر بكثير من القرص البصري، مما يخلق خللاً شديداً في البيانات. تخيل محاولة العثور على جسم صغير وباهت في حقل واسع ومشرق؛ تميل النماذج الحاسوبية القياسية إلى التركيز على الخلفية الكبيرة والمشرقة وتتجاهل الجسم الصغير والمهم. ولحل هذه المشكلة، أضاف الفريق آلية محددة تجبر الحاسوب على إيلاء اهتمام أكبر للميزات الأكثر أهمية للمهمة، مما يعني رفع مستوى "صوت" الإشارات الباهتة وخفض "ضجيج" الخلفية. وهذا يضمن عدم تشتت النظام بسبب الحجم الهائل للأنسجة المحيطة.

وهناك عقبة رئيسية أخرى وهي فقدان التفاصيل الذي يحدث عندما يقوم الحاسوب بتصغير الصورة لفهم هيكلها العام. في الطرق التقليدية، غالباً ما تؤدي عملية التصغير هذه إلى طمس الحواف التي تحدد الكأس والقرص. وقد حل الباحثون ذلك عبر استعارة تقنية من معالجة الإشارات تُعرف باسم "تقليل العينات باستخدام موجات هير (Haar wavelet downsampling)". فبدلاً من مجرد التخلص من البكسلات أثناء تصغير الصورة، تقوم هذه الطريقة بفصل الصورة إلى جزأين: أحدهما يلتقط الأشكال العامة والناعمة للتشريح، والآخر يلتقط التفاصيل الحادة وعالية التردد للحدود. ومن خلال الحفاظ على كلا الجزأين منفصلين ومعالجتهما بعناية، يضمن النظام بقاء حواف الكأس والقرص حادة وواضحة، حتى بينما يقوم الحاسوب بهضم الصورة بمستويات مختلفة من التفاصيل.

أخيراً، عالج الفريق صعوبة تجميع القطع معاً. فبمجرد أن يحلل الحاسوب الصورة بمقاييس مختلفة، يجب عليه إعادة بناء الخريطة النهائية للقرص البصري والكأس. وقد بنى الباحثون وحدة فك تشفير جديدة تسمح للنظام بالمقارنة المستمرة بين ملاحظاته المبكرة والمفصلة للحواف وفهمه الأوسع للشكل العام لاحقاً. هذا الحوار المتبادل بين التفاصيل الدقيقة والصورة الكبيرة يساعد النظام على تصحيح أخطائه، مما ينتج عنه مخطط أكثر دقة واتساقاً من الناحية التشريحية للهياكل.

وعند اختبار هذا الإطار الجديد على ثلاث مجموعات مختلفة من الصور العامة للعين، أثبت فعالية عالية. ففي مجموعة بيانات تحتوي على أكثر من مئة صورة، حقق النظام درجة عالية من التداخل مع "الحقيقة الأرضية" (ground truth) التي رسمها الخبراء، حيث حدد القرص البصري بشكل صحيح في حوالي 85 بالمائة من الحالات، والكأس البصري في نحو 93 بالمائة. والأهم من ذلك، أن قدرة النظام على تقدير نسبة الكأس إلى القرص كانت موثوقة للغاية، بمتوسط خطأ يقل عن 0.05، وهو هامش صغير جداً من الناحية السريرية. وقارن الباحثون طريقتهم بعدة نماذج ذكاء اصطناعي رائدة أخرى، بما في ذلك تلك القائمة على بنيات التعلم العميق التي هيمنت على المجال في السنوات الأخيرة. وفي كل مقارنة تقريباً، تفوق نهجهم القائم على حفظ الإشارات على الآخرين، حيث قدم دقة أفضل مع استخدام موارد حوسبية أقل.

كما بحثت الدراسة مدى تطابق قياسات الحاسوب مع القيم المرجعية التي قدمها الخبراء البشريون. وباستخدام طريقة إحصائية قياسية للتحقق من الاتفاق، وجد الباحثون أن نظامهم أظهر انحيازاً منهجياً أقل وأخطاءً متطرفة أقل من النماذج الأساسية. وهذا يشير إلى أن الإطار الجديد لا يخمن الحدود فحسب، بل يفهم حقاً الانتقالات الدقيقة بين القرص والكأس. وكانت النتائج متسقة عبر مجموعات البيانات المختلفة، بما في ذلك تلك التي تضم مجموعات سكانية متنوعة وجودة صور متفاوتة، مما يشير إلى أن النهج قوي وليس مجرد ملاءمة محظوظة لمجموعة واحدة من الصور.

ورغم أن النتائج واعدة، إلا أن الباحثين يقرون بأن عملهم هو خطوة للأمام وليس حلاً نهائياً. فقد اعتمدت الدراسة على مجموعات بيانات متاحة للجمهور، والتي رغم قيمتها، إلا أنها أصغر من المجموعات الضخمة من الصور الموجودة في المستشفيات الواقعية. كما أشاروا إلى أن نظامهم يعمل حالياً فقط مع الصور الملونة القياسية للشبكية، مستبعداً تقنيات تصوير أخرى يمكن أن توفر عمقاً أكبر. ومع ذلك، تظهر الدراسة أنه من خلال التركيز على حفظ الإشارات المحددة التي تحدد الهياكل التشريحية، بدلاً من مجرد جعل النماذج أكبر أو أعمق، فإنه من الممكن إنشاء أدوات أكثر دقة وكفاءة. ويقدم هذا النهج مساراً جديداً نحو أنظمة فحص مؤتمتة يمكن أن تساعد في اكتشاف الجلوكوما في وقت مبكر وبشكل أكثر موثوقية، مما قد ينقذ البصر لملايين الأشخاص الذين قد لا يتم تشخيصهم حتى فوات الأوان.