Multi-classification of Brain Tumor MRI images using Convoluted Neural Network (CNN) based approach

يعد الدماغ البشري عضواً معقداً، وعندما تبدأ أنسجة غير طبيعية في النمو داخله، يمكن أن تكون العواقب وخيمة. يعتمد الأطباء بشكل كبير على التصوير بالرنين المغناطيسي، أو ما يعرف بـ MRI، للرؤية داخل الجمجمة دون جراحة. تنتج هذه الفحوصات صوراً تفصيلية تكشف عن شكل وموقع الورم. ومع ذلك، فإن قراءة هذه الصور مهمة شاقة؛ إذ يمكن أن يحتوي فحص المريض الواحد على عشرات الشرائح، ويجب على طبيب الأشعة فحص كل واحدة منها لرصد الاختلافات الدقيقة بين الأنسجة السليمة وأنواع السرطان المختلفة. تستغرق هذه العملية وقتاً، وحتى أكثر الخبب مهارة قد يفتقدون إلى تفصيل أو يخطئون في تحديد نوع الورم عند مواجهة آلاف الصور. وللمساعدة، لجأ العلماء إلى أجهزة الكمبيوتر، حيث قاموا بتعليمها كيفية التعرف على الأنماط في هذه الصور تماماً كما تفعل العين البشرية. هذا المجال، المعروف باسم التعلم العميق، يستخدم أنظمة اصطناعية تتعلم من خلال الأمثلة بدلاً من اتباع مجموعة ثابتة من القواعد. والهدف هو إنشاء أداة يمكنها مساعدة الأطباء في تشخيص أورام الدماغ بشكل أسرع وأكثر دقة، مما قد ينقذ الأرواح من خلال اكتشاف الأمراض في مراحل مبكرة.

في دراسة حديثة، عالج باحثون من جامعة دلهي هذا التحدي من خلال بناء برنامج كمبيوتر متخصص مصمم لتصنيف صور الرنين المغناطيسي للدماغ إلى أربع فئات متميزة. أرادوا معرفة ما إذا كان نظامهم يستطيع التمييز بين الدماغ السليم وثلاثة أنواع محددة من الأورام: الأورام الدبقية (gliomas)، والأورام السحائية (meningiomas)، والأورام النخامية (pituitary tumors). الأورام الدبقية هي أورام تبدأ في الأنسجة الشبيهة بالغراء التي تدعم الدماغ، بينما تنمو الأورام السحائية على الأغشية التي تغطي الدماغ، وتتشكل الأورام النخامية بالقرب من الغدة النخامية عند قاعدة الجمجمة. لم يستخدم الفريق نموذجاً حاسوبياً ضخماً موجوداً مسبقاً تم تدريبه بالفعل على ملايين الصور، بل قاموا ببناء نظام مخصص وخفيف الوزن من الصفر. وقد اختير هذا النهج لإبقاء التكنولوجيا بسيطة وفعالة، مما يتطلب قدرة حوسبة وذاكرة أقل من النماذج الثقيلة والمعقدة المستخدمة غالباً في الدراسات الأخرى.

بدأ الباحثون بجمع مجموعة كبيرة من صور الدماغ من قاعدة بيانات عامة. واختاروا 7,023 صورة في المجمل، تضمنت 1,621 ورماً دبقياً، و1,645 ورماً سحائياً، و1,757 ورماً نخامياً، و2,000 صورة لأدمغة سليمة خالية من الأورام. جاءت هذه الصور من زوايا مختلفة - بعضها ينظر من الأعلى إلى الأسفل، والبعض الآخر من الجانب أو من الأمام - مما وفر للكمبيوتر رؤية متنوعة لتشريح الدماغ. وقبل تعليم الكمبيوتر، قام الفريق بتجهيز الصور عبر تغيير حجمها جميعاً لتصبح بنفس الأبعاد وضبط مستويات السطوع حتى يتمكن الكمبيوتر من معالجتها بسهولة أكبر. ثم قاموا بتقسيم البيانات، حيث استخدموا غالبية الصور لتعليم النظام واحتفظوا بمجموعة أصغر لاختبار مدى جودة تعلم النظام.

يعمل نموذج الكمبيوتر الذي بنوه من خلال تقشير طبقات المعلومات، تماماً مثل النظر إلى صورة من خلال سلسلة من العدسات المتزايدة التحديد. يحتوي النظام على سبع طبقات تمسح الصورة للعثور على الأشكال والأنسجة الأساسية، تليها طبقات تجمع هذه التفاصيل البسيطة في أنماط أكثر تعقيداً، مثل حدود الورم. استخدم الباحثون طريقة رياضية محددة لمساعدة النظام على التعلم بسرعة وتجنب التعثر، كما ضمنوا آلية لمنع النظام من حفظ صور التدريب بدقة شديدة، مما قد يجعله يفشل عند التعامل مع بيانات جديدة. وبعد تدريب النموذج على 25 جولة، حيث شاهد الصور بشكل متكرر وعدل إعداداته الداخلية لتحسين تخميناته، كانت النتائج مذهلة.

عندما اختبر الباحثون النموذج على الصور التي لم يرها من قبل، نجح في تحديد نوع الحالة الدماغية بدقة بلغت 96.1 بالمائة من الحالات. كان النظام جيداً بشكل خاص في رصد الأدمغة السليمة والأورام النخامية، محققاً درجات تقترب من المثالية لتلك الفئات. كما قدم أداءً قوياً في نوعي الورم الدبقي والسحائي الأكثر صعوبة، حيث صنفهما بشكل صحيح في معظم الأحيان. قارنت الدراسة هذه النتائج بمحاولات أخيرة أخرى لحل المشكلة ذاتها، والتي اعتمد الكثير منها على بنيات حاسوبية أكبر وأكثر تعقيداً. حققت تلك النماذج السابقة معدلات دقة تتراوح بين 89 بالمائة و95 بالمائة تقريباً. وقد تفوق النموذج الجديد، الأكثر بساطة، عليها جميعاً، حيث وصل إلى دقة 96.1 بالمائة مع استخدام موارد أقل.

أشار الباحثون إلى أن النظام يخلط أحياناً بين الأورام الدبقية والأورام السحائية، وهو أمر مفهوم لأن هذين النوعين يمكن أن يبدوا متشابهين جداً في فحص الرنين المغناطيسي. ومع ذلك، كان الأداء العام قوياً بما يكفي ليشير إلى أن هذا النهج خفيف الوزن يعد أداة قابلة للاستخدام الطبي. ويؤكد المؤلفون أنه على الرغم من أن نموذج الكمبيوتر يظهر وعداً كبيراً، إلا أنه ليس بديلاً للطبيب بعد. وتتمثل الخطوات التالية في اختبار النظام على بيانات من مستشفيات متعددة لضمان عمله بشكل موثوق عبر مختلف أنواع أجهزة الرنين المغناطيسي ومجموعات المرضى. وإذا أكدت عمليات التحقق المستقبلية هذه النتائج، فقد يصبح مثل هذه الأداة جزءاً معيارياً من عملية التشخيص، مما يساعد الفرق الطبية على اتخاذ قرارات أسرع وأكثر ثقة بشأن كيفية علاج المرضى المصابين بأورام الدماغ.