Automated Brachial Plexus Localization in Ultrasound Using Lightweight Convolutional Neural Networks
تُظهر هذه الدراسة أن الشبكات العصبية التلافيفية خفيفة الوزن، ولا سيما MobileNetV2 وEfficientNetB0، توفر حلاً فعالاً من حيث الحوسبة وموثوقاً لتحديد موقع الضفيرة العضدية آلياً في صور الموجات فوق الصوتية، مما يجعلها مناسبة تماماً لبيئات الرعاية في نقاط تقديم الخدمة ذات الموارد المحدودة رغم تحقيقها أداءً يضاهي بنية ResNet34 الأكثر ثقلاً.
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
في غرف العمليات وفي عيادات الطوارئ، يعتمد الأطباء غالًا على الموجات فوق الصوتية للعثور على الشبكة المعقدة من الأعصاب التي تتحكم في الذراع واليد، والمعروفة باسم الضفيرة العضدية. إن تحديد موقع هذه الأعصاب بدقة أمر بالغ الأهمية لإعطاء التخدير الذي يخدر المريض للجراحة دون التسبب في ضرر غير ضروري، ومع ذلك فإن القيام بذلك بالعين المجردة أمر صعب. يتطلب الأمر مشغلًا ماهرًا يحدق في صورة باهتة بالأبيض والأسود ويفسر الظلال المتغيرة، وهي عملية تستغرق وقتًا وتختلف من شخص لآخر. وللمساعدة، لجأ العلماء إلى الذكاء الاصطناعي، وتحديدًا نوع من برامج الكمبيوتر يسمى نموذج التعلم العميق، والذي يمكن تدريبه للتعرف على الأنماط في الصور الطبية. ومع ذلك، فإن النسخ الأكثر قوة من هذه البرامج غالبًا ما تكون ثقيلة وتستهلك الكثير من الطاقة بحيث لا يمكن تشغيلها على أجهزة الموجات فوق الصوتية الصغيرة والمحمولة الموجودة في العيادات النائية أو التي يحملها الأطباء أثناء تنقلهم. فهي تتطلب عادةً أجهزة كمبيوتر ضخمة تعتمد على السحابة لمعالجة البيانات، مما يؤدي إلى تأخيرات ومخاوف تتعلق بالخصوصية. لذا، فإن التحدي يكمن في إنشاء نظام ذكي يكون دقيقًا بما يكفي ليكون مفيدًا، وخفيفًا بما يكفي ليعيش داخل جهاز محمول باليد.
لقد شرع فريق من الباحثين في حل هذه المشكلة من خلال اختبار ثلاثة أنواع مختلفة من بنيات الكمبيوتر خفيفة الوزن المصممة للعمل بكفاءة على التكنولوجيا المحمولة. لقد أخذوا مجموعة من صور الموجات فوق الصوتية للضفيرة العضدية، والتي جاءت في الأصل مع خرائط تفصيلية توضح بالضبط أي البكسلات تنتمي إلى العصب، وقاموا بتحويل المهمة. فبدلاً من مطالبة الكمبيوتر برسم مخطط مثالي للعصب في كل صورة، طرحوا عليه سؤالًا أبسط: في أي من الزوايا الأربع للصورة يظهر العصب، أم أنه مفقود تمامًا؟ لقد حول هذا الأمر مهمة رسم معقدة إلى خيار من خمس فئات، مما جعل المهمة أسهل بكثير للكمبيوتر الصغير. قام الباحثون بتدريب ثلاثة نماذج مختلفة — ResNet34 وMobileNetV2 وEfficientNetB0 — على هذه البيانات، باستخدام طريقة صارمة حيث يتعلم الكمبيوتر من بعض الصور ويتم اختباره على صور أخرى لم يرها من قبل، مع تكرار هذه العملية ثلاث مرات لضمان موثوقية النتائج.
أظهرت النتائج أن النماذج الثلاثة قد حققت مستوى مماثلًا من النجاح، حيث حددت موقع العصب بشكل صحيح في حوالي 73 بالمائة من الحالات. وبينما حقق أحد النماذج، وهو ResNet34، دقة تزيد بجزء ضئيل عن النماذج الأخرى، إلا أن الفرق كان صغيرًا جدًا لدرجة أنه يمكن أن يكون ناتجًا عن الصدفة وليس عن ميزة حقيقية. ووجدت الدراسة أن النماذج كانت جيدة جدًا في رصد العصب عندما يظهر في المواقع الأكثر شيوعًا، لكنها واجهت صعوبة كبيرة عندما يكون العصب في مكان نادر أو أقل تكرارًا، حيث خلطت بينه وبين المساحات الفارغة أو الزاوية الخاطئة. تشير هذه الصعوبة إلى أن الكمبيوتر تعلم الأنماط الشائعة جيدًا، لكنه لم يرَ أمثلة كافية على الأنماط النادرة ليصبح واثقًا منها. وبالرغم من هذه الهفوات الطفيفة، أكد التحليل الإحصائي أنه لا يوجد نموذج واحد أفضل من غيره بشكل حاسم بطريقة قد تهم في التطبيق الواقعي.
إن القيمة الحقيقية لهذا العمل لا تكمن في العثور على النموذج الأكثر دقة، بل في تحديد النموذج الأنسب للواقع العملي. فقد وجد الباحثون أنه بينما يتطلب النموذج الأكثر دقة قليلاً قدرة حوسبة أكبر، فقد صُمم النموذجان الآخران خصيصًا ليكونا سريعين وموفرين للطاقة، مما يجعلهما مثاليين للتشغيل مباشرة على جهاز موجات فوق صوتية محمول دون الحاجة إلى اتصال بالإنترنت. وهذا يعني أنه يمكن للطبيب استخدام ماسح ضوئي محمول للحصول على اقتراح فوري وآلي حول مكان وجود الأعصاب، حتى في مستشفى ميداني ناءٍ أو غرفة طوارئ مزدحمة ذات موارد محدودة. وتخلص الدراسة إلى أن هذه الأنظمة خفيفة الوزن توفر جسرًا عمليًا بين الذكاء الاصطناعي المتقدم والرعاية الطبية اليومية، مما يثبت أننا لسنا بحاجة دائمًا إلى أقوى كمبيوتر للحصول على إجابة موثوقة. ومن خلال تبسيط المهمة واختيار الأدوات المناسبة، من الممكن جلب مساعدة تشخيصية متطورة إلى الأماكن الأكثر احتياجًا إليها، شريطة أن يعالج العمل المستقبلي مسألة الأنماط النادرة التي لا تزال تربك الآلات.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.