← أحدث الأبحاث
📄 medicine

Evaluation of CBCT-based HU correction for synthetic CT generation in head-and-neck radiotherapy: FOV-stratified and peripheral-region analysis

تقيم هذه الدراسة نماذج التصحيح الخطي، وResUNet، وPCC-cGAN لتوليد التصوير المقطعي المحوسب الاصطناعي القائم على التصوير المقطعي المحوسب شعاعي مخروطي (CBCT) في العلاج الإشعاعي لمنطقة الرأس والعنق، حيث وجدت أنه بينما يحقق نموذج ResUNet أدنى أخطاء في وحدات هونسفيلد عبر كل من مجالات الرؤية الكاملة والمبتورة، لا تزال هناك عدم دقة متبقية كبيرة في المناطق الطرفية، مما يسلط الضل على الحاجة إلى تحقق مدرك مكانياً يتجاوز المقاييس العالمية.

المؤلفون الأصليون: Khashayar Heshmati Jannat Magham, Laleh Rafat-Motavalli, Hashem Miri-Hakimabad, Mahdieh Dayyani, Mohammad Mohammadi

نُشر 2026-09-15
📖 4 دقيقة قراءة☕ قراءة في استراحة قهوة
CC BY 4.0

المؤلفون الأصليون: Khashayar Heshmati Jannat Magham, Laleh Rafat-Motavalli, Hashem Miri-Hakimabad, Mahdieh Dayyani, Mohammad Mohammadi

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

يتلقى آلاف الأشخاص المصابين بسرطان الرأس والرقبة يومياً العلاج بالإشعاع، وهو علاج يستخدم حزماً عالية الطاقة لتدمير الأورام مع الحفاظ على الأنسجة السليمة. ولتقديم هذا العلاج بأمان، يعتمد الأطباء على خرائط ثلاثية الأبعاد مفصلة لجسم المريض، يتم إنشاؤها بواسطة ماسح ضوئي قياسي للأشعة المقطعية (CT) قبل بدء العلاج. ومع ذلك، يتغير جسم الإنسان خلال أسابالت العلاج؛ فقد يفقد المرضى الوزن، أو تتقلص الأورام، أو تتحرك الأنسجة الرخوة. وإذا كانت حزم الإشعاع تُوجه بناءً على خريطة قديمة، فقد تخطئ الهدف أو تسبب ضرراً للأعضاء السليمة. ولحل هذه المشكلة، تستخدم العيادات كاميرا خاصة تسمى الماسح الضوئي للأشعة المقطعية بالحزمة المخروطية (cone-beam CT)، والتي توضع مباشرة على آلة العلاج وتلتقط صورة حديثة للمريض قبل كل جرعة. والمشكلة تكمن في أن هذه الصور الحديثة غالباً ما تكون ضبابية وغير دقيقة في قياسات كثافة الأنسجة، مما يجعلها غير آمنة لحساب جرعة الإشعاع بدقة. وقد حاول العلماء إصلاح هذه الصور باستخدام برامج حاسوبية لتحويلها إلى خرائط عالية الجودة، لكن ظل هناك سؤال رئيسي قائم: هل تعمل هذه الإصلاحات بشكل متساوٍ في جميع أنحاء الصورة، أم أنها تفشل عند الحواف حيث ينتهي المسح؟

وضع فريق من الباحثين في جامعة فردوسي بمشهد في إيران هدفهم للإجابة على هذا السؤال من خلال اختبار ثلاثة طرق حاسوبية مختلفة مصمما لإصلاح هذه الصور الضبابية. وركزوا على تحدٍ محدد شائع في علاجات الرأس والرقبة: حيث غالباً ما لا يستطيع الماسح الضوئي رؤية الجسم بأكمله لأن أكتاف المريض أو حواف الرقبة تقع خارج نطاق رؤية الكاميرا. وهذا يخلق صورة "مبتورة" حيث تكون أجز من التشريح مفقودة ببساطة. جمع الباحثون مائة زوج من الصور من سبعة وستين مريضاً، بعضها بلقطات كاملة وبعضها بحواف مبتورة. وقارنوا بين إصلاح رياضي بسيط، ونموذج ذكاء اصطناعي معقد يعتمد على شبكة تسمى (residual U-Net)، ونظام أكثر تقدماً يستخدم شبكتين متنافستين للتعلم التصحيحي. ولم يكن هدفهم مجرد معرفة أي طريقة تنتج أنظف صورة متوسطة، بل رسم خريطة دقيقة لمكان بقاء الأخطاء بعد التصحيح.

أظهرت الدراسة أن نموذج (residual U-Net) كان الأكثر نجاحاً في تصحيح قياسات كثافة الأنسجة بشكل عام. وفي المناطق التي كان فيها المسح مكتملاً والتشريح مرئياً بالكامل، قلل هذا النموذج الخطأ بشكل أكبر بكثير من الإصلاح الرياضي البسيط أو الشبكة المتنافسة. ومع ذلك، اكتشف الباحثون نمطاً مستمراً غالباً ما تخفيه المتوسطات العامة: فالأخطاء لم تكن موزعة بالتساوي؛ فحتى مع أفضل نموذج، تركزت الأخطاء بشدة عند الحواف القصوى للجسم، بالقرب من الجلد وحيث يلتقي النسيج بالهواء. في المسحات الكاملة، كان الخطأ عند هذه الحواف الطرفية أكثر من ضعف الخطأ الموجود في مركز الجسم. وهذا يشير إلى أنه بينما يمكن للحاسوب تعلم إصلاح داخل الصورة بشكل جيد جداً، فإن الفيزياء المعقدة للمسح عند الحدود — حيث يدخل الشعاع ويخرج من الجسم — تظل صعبة الإتقان.

أراد الباحثون أيضاً معرفة ما إذا كانت نتائجهم ناتجة ببساطة عن قيام الحاسوب بحفظ المرضى الذين تم تدريبه عليهم. ولاختبار ذلك، أعادوا إجراء التحليل باستخدام مرضى لم يظهروا قط في بيانات التدريب. وظلت النتائج ثابتة: ظل نموذج (residual U-Net) هو الأفضل أداءً، وظلت الأخطاء تتجمع عند الحواف. وقد أكد هذا أن النموذج قد تعلم قاعدة عامة لإصلاح الصور بدلاً من مجرد حفظ وجوه محددة. وعندما استخدم الفريق الصور المصححة لحساب جرعة الإشعاع، كانت النتائج مختلطة. فبينما تطابقت الصور المصححة عموماً مع الخرائط الأصلية عالية الجودة بشكل أفضل من المسحات الخام الضبابية، إلا أن التحسن في وضوح الصورة لم يؤدِ دائماً إلى تحسن مثالي في حساب الجرعة لكل مريض على حدٍ. ففي بعض الحالات، تحسن حساب الجرعة، بينما في حالات أخرى، كان الفرق ضئيلاً.

يسلط هذا العمل الضوء على فارق دقيق وحاسم في التصوير الطبي: يمكن للطريقة أن تكون ممتازة في إصلاح مركز الصورة بينما لا تزال تعاني عند الحواف. فقد وجد الباحثون أن المناطق الطرفية، حيث يقطع المسح غالباً أو حيث يلتقي الجسم بالهواء، هي أصعب الأماكن التي يمكن تصحيحها بدقة. وخلصوا إلى أنه بينما يمكن للذكاء الاصطناعي بنجاح توليد صور أشعة مقطعية اصطناعية لتخطيط الإشعاع، فإن الأخطاء المتبقية عند الحواف تعني أن على الأطباء توخي الحذر. وتشير الدراسة إلى أن التحسينات المستقبلية يجب أن تركز خصيصاً على مناطق الحدود هذه، ربما من خلال استخدام أنواع مختلفة من النماذج الحاسوبية التي يمكنها رؤية السياق ثلاثي الأبعاد للجسم بأكمله بدلاً من مجرد شرائح مسطحة. وإلى أن يتم حل أخطاء الحواف هذه، فإن استخدام هذه الصور المصححة لتعديلات الجرعة اليومية في علاج السرطان يتطلب تحققاً دقيقاً لضمان وصول الإشعاع إلى المكان المقصود تماماً.

غارق في أبحاث مجالك؟

تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.

جرّب Digest →

أبحاث مشابهة

عرض الكل في هذا التصنيف 📄 medicine →