Deep Learning-Based Simultaneous Separation of Overlapping Projection Data and Attenuation and Scatter Correction for Multi-Pinhole SPECT

تخيل أنك تحاول التقاط صورة مثالية لكنز سري مخبأ داخل كهف ذي جدران سميكة وضبابية. في عالم التصوير الطبي، هذا "الكنز" هو إشارة ضئيلة من مادة مشعة داخل جسم المريض، و"الكاميرا" هي جهاز يسمى SPECT (التصوير المقطعي المحوسب بإصدار فوتون واحد). عادةً، وللحصول على صورة واضحة، يستخدم الأطباء مرشحًا خاصًا يسمى "المُقيد" (collimator)، والذي يعمل كمجموعة من الأنفاق الصغيرة التي تسمح فقط لأشعة الضوء (أو في هذه الحالة أشعة غاما) بالمرور في خطوط مستقيمة. لكن العائق هنا هو أنه للحصول على صورة حادة حقًا، تحتاج إلى الكثير من هذه الأنفاق. وإذا قمت بتكديس الكثير من الأنفاق معًا، ستبدأ رؤاها في التداخل، تمامًا مثل النظر عبر مشكال (kaleidoscope) حيث تندمج الأنماط مع بعضها لتشكل فوضى مربكة. بالإضافة إلى ذلك، تقوم جدران الكهف (جسم المريض) بامتصاص وارتداد الأشعة، مما يجعل الصورة ضبابية وخافتة. لعقود من الزمن، تطلب إصلاح هذه الفوضى المتداخلة والضبابية إجراء فحص أشعة سينية ثانٍ خطير لرسم خريطة لجدران الكهف، مما أضاف جرعة إضافية من الإشعاع وزاد التكلفة. وقد ظل العلماء يبحثون عن طريقة لفك تشابك هذه الفوضى وتطهير الضباب دون الحاجة إلى ذلك الفحص الإضافي للأشعة السينية، آملين في جعل الكاميرا أسرع وأرخص وأكثر أمانًا للجميع.

يقدم هذا البحث خدعة جديدة ذكية باستخدام نوع من الذكاء الاصطعي يسمى "الشبكة العصبية الالتفافية" (CNN)، وهي تشبه محققًا رقميًا فائق الذكاء مدربًا على حل الألغاز البصرية. واجه الباحثون، الذين يعملون على نظام SPECT ثابت مزود بمصفوفة ضخمة مكونة من 44 ثقبًا صغيرًا (pinholes)، مشكلة مزدوجة: كانت الرؤى من هذه الثقوب الـ 44 متداخلة مثل كرة من الخيوط المتشابكة، كما تعرضت الأشعة للتشوه بسبب جسم المريض. وبدلاً من محاولة فك تشابك الخيوط باستخدام رياضيات معقدة تستغرق وقتًا طويلاً، علموا محقق الذكاء الاصطناعي لعبة جديدة. لقد غذوا الذكاء الاصطناعي بمدخلات "فوضوية": البيانات المتداخلة والضبابية والمشوشة الناتجة عن محاكاة كيفية ارتداد وامتصاص أشعة غاما داخل الدماغ. ثم أظهروا للذكاء الاصطناعي الهدف "المثالي": كيف يجب أن تبدو الصورة إذا لم تكن هناك تداخلات أو ضباب أو ضجيج. ومن خلال التدريب على آلاف الحالات المحاكية للدماغ، تعلم الذكاء الاصطناعي فصل الخيوط المتشابكة فورًا إلى خيوط فردية مرتبة، وفي الوقت نفسه مسح الضباب والضجيج.

كانت نتائج هذه المحاكاة واعدة للغاية. فعندما اختبر الباحثون ذكاءهم الاصطناعي على صور الدماغ، نجح في فك تشابك الإسقاطات المتداخلة من الثقوب الـ 44 وصحح التشوهات الفيزيائية دون الحاجة إلى خرائط إضافية للأشعة السينية. أنتج الذكاء الاصطناعي صورًا كانت أكثر وضوحًا ودقة بشكل ملحوظ من تلك التي تم إنتاجها بالطرق القديمة. على سبيل المثال، حققت الطريقة الجديدة "نسبة ذروة الإشارة إلى الضجيج" (وهي مقياس لوضوح الصورة) بلغت 18.38 ± 0.79 ديسيبل، وهي أفضل من الـ 15.54 ± 1.35 ديسيبل التي حققها نظام يستخدم 11 ثقبًا فقط (حيث لا يحدث تداخل) والـ 15.93 ± 1.12 ديسيبل من كاميرا شعاع مروحي قياسية. كما قارنت الدراسة طريقتهم بتقنية تقليدية تسمى "طريقة تصحيح مور" (Moore correction method)؛ حيث أنتج نهج الذكاء الاصطناعي صورًا أكثر حدة مع أخطاء أقل، محققًا "خطأ متوسط مربعي معيار متوسط" (NMSE) قدره 0.18 ± 0.02 مقارنة بـ 0.24 ± 0.06 لإعداد الـ 11 ثقبًا.

ومع ذلك، من المهم تذكر أن هذه النتائج تأتي من محاكاة حاسوبية، وليس من مرضى حقيقيين بعد. فقد قام الباحثون بمحاكاة دماغ يحتوي على كمية محددة من المادة المشعة (370 ميجابيكريل) واستخدموا كاميرا افتراضية بـ 44 ثقبًا. ووجدوا أنه بينما استطاع الذكاء الاصطناعي التعامل مع البيانات "الفوضوية" من جميع الثقوب الـ 44، إلا أنه عمل بشكل أفضل عندما تحركت الكاميرا حركة طفيفة جدًا (إعداد "شبه ثابت" حيث دارت الكشافات 60 درجة لمرة واحدة)، مما ساعد في تقليل الآثار المتبقية بشكل أكبر. وتستبعد الورقة البحثية صراحةً فكرة الحاجة إلى فحص مقطعي (CT) منفصل لإصلاح الصورة؛ فقد تعلم الذكاء الاصطناعي القيام بـ "تصحيح التوهين" (إزالة الضباب) من تلقاء نفسه. وبينما أظهرت الطريقة إمكانات كبيرة لتصوير الدماغ، حيث تكون "جدران الكهف" منتظمة نسبيًا، أشار المؤلفون إلى أن تطبيقها على أجزاء أخرى من الجسم مثل القلب، حيث تختلف الكثافة بشكل كبير، قد يكون أكثر صعوبة. في النهاية، تشير هذه الدراسة إلى أن ذكاءً اصطناعيًا ذكيًا قد يسمح قريبًا للأطباء باستخدام كاميرات متعددة الثقوب عالية الحساسية للحصول على صور كمية عالية الجودة للدماغ بشكل أسرع ودون جرعة إضافية من الإشعاع من فحص الأشعة المقطعية، ولكن هناك حاجة إلى المزيد من الاختبارات باستخدام بيانات بشرية حقيقية للتأكد مما إذا كان هذا السحر يعمل في العالم الحقيقي.