Lightweight Pure 3D Lung Nodule Detection and Segmentation Network with Asymmetric Feature Interaction
تقترح هذه الورقة البحثية شبكة Light3D-NoduleNet، وهي شبكة ثلاثية الأبعاد خالصة وخفيفة الوزن تستخدم تلافيفات منفصلة عميقة غير متماثلة ووحدة تفاعل ميزات ثنائية الاتجاه للتغلب بفعالية على عدم توازن الفئات وتحقيق كشف وتقسيم مشترك عالي الدقة لعقيدات الرئة بتكلفة حوسبة منخفضة للنشر على الأجهزة الطرفية.
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
لا يزال سرطان الرئة السبب الرئيسي للوفاة الناجمة عن السرطان في جميع أنحاء العالم، ويرجع ذلك إلى حد كبير إلى أنه غالباً ما يُكتشف في وقت متأخر جداً. فعندما يتم تشخيص المرض مبكراً، بينما لا يزال الورم صغيراً ومحصوراً، تكون معدلات البقاء على قيد الحياة مرتفعة. أما عندما ينتشر، فإن التوقعات الطبية تنخفض بشكل حاد. ولرصد هذه العلامات المبكرة، يستخدم الأطباء التصوير المقطعي المحوسب بجرعة منخفضة، أو ما يعرف بفحوصات CT، والتي تلتقط مئات الصور المقطعية العرضية للصدر. وتنتج عملية مسح واحدة مجموعة ضخمة من الشرائح، مما يخلق خريطة ثلاثية الأبعاد للرئتين. ومع ذلك، فإن قراءة هذه الفحوصات مهمة شاقة على أطباء الأشعة البشريين؛ إذ يتعين عليهم فحص شريحة تلو الأخرى، بحثاً عن بقع صغيرة وخافتة قد تكون عقدًا (nodules). ويؤدي حجم البيانات الهائل إلى الإجهاد، وحتى الخبراء غالاً ما يختلفون فيما يرونه. وهنا يأتي دور الأنظمة الحاسوبية، التي تعد بالعمل كعين ثانية لا تكل، تمسح الحجم بأكد لتمييز التهديدات المحتملة.
يكمن التحدي لهذه الحواسيب في أن البيانات التي تحللها معقدة؛ فالصور ليست مكعبات مثالية، إذ غالباً ما تكون المسافة بين الشرائح أكبر بكثير من التفاصيل داخل الشريحة الواحدة. وتستهلك أدوات الرؤية الحاسوبية القياسية، المصممة لمعاملة جميع الاتجاهات بالتساوي، جهداً في معالجة المساحة الفارغة بين الشرائح بينما تغفل عن التفاصيل الدقيقة داخلها. علاوة على ذلك، فإن العثور على عقدة يختلف عن تحديد شكلها الدقيق، ومع ذلك، تعامل معظم الأنظمة هاتين المهمتين كأنهما وظيفتان منفصلتان. غير أن العقبة الكبرى هي أن العقد نادرة للغاية مقارنة بأنسجة الرئة السليمة المحيطة بها؛ ففي مكعب صغير من نسيج الرئة، قد تشغل العقدة أقل من واحد بالمائة من المساحة. وعندما يحاول برنامج حاسوبي التعلم من مثل هذه المجموعة غير المتوازنة من البيانات، فإنه غالباً ما يستسلم، ويقرر ببساطة أن كل بقعة هي نسيج سليم، لأن هذا هو التخمين الأكثر أماناً وسهولة. يقدم هذا البحث نظاماً جديداً مصمماً لحل هذه المشكلات المحددة، مما يسمح لبرنامج حاسوبي خفيف الوزن بالعمل على أجهزة صغيرة محمولة، مع الاستمرار في إيجاد وتحديد هذه البقع الخطيرة بدقة مذهلة.
قام الباحثون، من خلال عملهم في كليات طبية في الصين، بتطوير شبكة جديدة تسمى Light3D-NoduleNet. كان هدفهم بناء نظام صغير بما يكفي للعمل على جهاز طرفي (edge device)، مثل حاسوب محمول يستخدم في العيادات، بدلاً من مزارع الخوادم الضخمة. وقد بدأوا بإعادة تصميم كيفية "رؤية" الحاسوب للصور ثلاثية الأبعاد. فبدلاً من استخدام مرشح (filter) قياسي ذي شكل كتلوي يعامل الاتجاهات (أعلى-أسفل، يمين-يسار، أمام-خلف) بالتساوي، ابتكروا مرشحاً غير متماثل. يفهم هذا المرشح أن الصورة ممتدة في اتجاه واحد؛ حيث يستخدم مرشحاً عريضاً ومسطحاً لمسح الأنماط التفصيلية داخل الشريحة، ومرشحاً عمودياً رفيعاً للتحقق من التغيرات بين الشرائح. هذا التغيير البسيط يقلل عدد العمليات الحسابية المطلوبة بأكثر من النصف، مما يجعل النظام أسرع وأخف وزناً دون فقدان قدرته على رؤية التفاصيل الدقيقة.
ولجعل النظام أكثر ذكاءً، أضاف الباحثون آلية تسمح للحاسوب بالتركيز على الأجزاء الأكثر أهمية في الصورة. تماماً كما قد يركز القارئ البشري على نص معين، يتعلم النظام ضبط تركيزه بناءً على عمق الشبكة. ففي الطبقات الأولى، ينظر إلى الأنسجة المحلية الصغيرة، بينما في الطبقات الأعمق، يتراجع لفهم الهياكل الأكبر للرئتين، مثل الأوعية الدموية والمجاري الهوائية. يساعد هذا الحاسوب على التمييز بين وعاء دموي غير ضار وعقدة خطيرة، وهي مهمة غالباً ما تربك الأنظمة الأبسط.
ومع ذلك، لم يكن الاكتشاف الأكثر أهمية في هذا العمل يتعلق بالسرعة أو الانتباه، بل بكيفية تعلم الحاسوب حل وظيفتين في آن واحد. فالنظام مصمم للقيام بشيئين في وقت واحد: أولاً، إيجاد مركز العقدة، وثانياً، رسم المخطط الدقيق لتلك العقدة. في المحاولات السابقة، كان يتم تعليم هاتين المهمتين بشكل منفصل أو السماح لهما بالعمل بمعزل عن بعضهما البعض. وجد الباحثون أنه عندما أجبروا هاتين المهمتين على التواصل مع بعضهما، دبت الحياة في النظام بأكره. لقد بنوا جسراً بين جزئي الشبكة؛ فالجزء الذي يجد المركز يرسل إشارة إلى جزء التحديد، قائلاً: "انظر هنا، هذا هو مكان الجسم". وفي المق المقابل، يرسل جزء التحديد إشارة عائدة، قائلاً: "الحافة موجودة هنا، لذا يجب أن يكون المركز قريباً من هذا الحد".
تبين أن هذا الحوار ثنائي الاتجاه هو المفتاح لحل مشكلة عدم التوازن الشديد. فبدون هذا الجسر، سيستسلم الحاسوب ببساطة ويعلن أن الرئة بأكملها سليمة، محققاً درجة تقارب 0.23 في قدرته على إيجاد العقد — وهي نتيجة تُعرف باسم "الحل البديهي" (trivial solution) حيث يفشل النموذج في تعلم أي شيء مفيد. اختبر الباحثون ذلك عبر بناء نسخ من النظام بدون الجسر، ولم تكن تلك النسخ، مهما عدلوا في الأجزاء الأخرى، قادرة على تجاوز تلك الدرجة المنخفضة، وعجزت عن تعلم أي شيء مفيد. وفقط عند وجود الاتصال ثنائي الاتجاه، استطاع النظام كسر حاجز الاستسلام، وتعلم إيجاد العقد وتحديد حدودها بشكل صحيح. يشير هذا الاكتشاف إلى أنه لكي تعمل الأنظمة الطبية الصغيرة والفعالة، يجب تصميمها بوجود حلقة مدمجة حيث تعزز المهام المختلفة بعضها البعض، بدلاً من العمل في عزلة.
اختبر الفريق نظامهم على آلاف فحوصات CT الحقيقية من قواعد بيانات طبية عامة. وقارنوا نتائجهم بعدة نماذج أكبر ومعروفة. ورغم امتلاكهم لعدد أقل بكثير من المعلمات (parameters) وتطلبهم طاقة حوسبة أقل، إلا أن نظامهم تفوق على النماذج الأكبر والأكثر تعقيداً. فقد حقق مستوى عالٍ من الدقة في تحديد العقد، مما يضاهي أداء الأنظمة الأثقل وزناً مع استخدام جزء بسيط فقط من الموارد. وعندما قاموا بتشغيل النظام على جهاز صغير محمول مصمم للاستخدام الميداني، عالج الصور بسرعة كافية لتكون مفيدة في سياق سريري حقيقي، حيث استغرق الأمر بضع ثوانٍ فقط لتحليل المنطقة المرشحة.
كما استكشف الباحثون مدى قدرة النظام على إيجاد العقد في مسح كامل للرئة بأكملها. ورغم أنه لم يكن هجومياً مثل الأنظمة المصممة خصيصاً للكشف، إلا أنه نجح في تحديد الغالبية العظمى من العقد عند دمجه مع خطوة إضافية صغيرة لتصفية الإنذارات الكاذبة. وقد أثبت النظام أنه من الممكن إنشاء أداة طبية ثلاثية الأبعاد عالية الدقة تتناسب مع جهاز صغير، بشرط أن تسمح بنية النظام للأجزاء المختلفة بالعمل معاً في حلقة مغلقة. يقدم هذا النهج مساراً جديداً لجلب فحص سرطان الرئة المتقدم إلى الأماكن التي لا تتوفر فيها حواسيب فائقة الضخمة، مما قد يسهم في إنقاذ الأرواح من خلال جعل الكشف المبكر متاحاً بشكل أكبر.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.