Cranio-Diff: Diffusion-based Cross-domain Craniofacial Reconstruction with 2D X-ray Skull
تقترح الورقة البحثية إطار عمل **Cranio-Diff**، وهو إطار عمل قائم على الانتشار يدمج التوجيه الهيكلي المشروط بالجمجمة والمطالبات النصية البيومترية لإعادة بناء الوجوه من صور الأشعة السينية للجمجمة ثنائية الأبعاد، مما أظهر أداءً فائقاً في جودة الصورة ودقة الاسترجاع على مجموعة بيانات اصطناعية جديدة واسعة النطاق مصممة لتحديد الهوية الجنائية.
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
عندما يتوفى شخص ولا يتبقى منه سوى هيكله العظمي، يصبح تحديد هويته تحدياً عميقاً للعائلات والمحققين على حد سواء. فالأنسة الرخوة، والشعر، وغيرها من العلامات البيولوجية التي تساعد عادةً في تأكيد الهوية غالباً ما تتحلل بمرور الوقت، مما يترك خبراء الأدلة الجنائية أمام لغز صعب. لعقود من الزمن، اعتمد الحل على عملية يدوية مضنية حيث يقوم الفنانون وعلماء الأنثروبولوجيا بوضع طبقات من الطين فوق الجمجمة، مستخدمين متوسط أعماق الأنسجة لنحت وجه. وبينما ساعدت هذه الطريقة في حل بعض القضايا، إلا أنها بطيئة، وتتطلب خبرة نادرة، وغالباً ما تكون النتيجة النهائية مسألة تفسير شخصي بدلاً من كونها صورة دقيقة. وفي السنوات الأخيرة، حاولت الحواسيب أتمتة هذه المهمة، لكن الأدوات الرقمية المبكرة عانت في التقاط التفاصيل الفريدة والدقيقة التي تجعل الوجه قابلاً للتمييز، مما أدى غالباً إلى إنتاج نتائج ضبابية أو عامة فشلت في مطابقة الشخص المحدد الذي كان ينتمي إليه الجمجمة.
لقد طور فريق من الباحثين في المعهد الهندي للتكنولوجيا في "ماندي" نهجاً جديداً لسد هذه الفجوة، متجاوزين مجرد ترجمة الصور لإنشاء نظام يفهم كلاً من بنية العظام والتفاصيل البيولوجية للشخص. وقد أطلقوا على نظامهم اسم "Cranio-Diff". وبدلاً من الاعتماد على النماذج الحاسوبية القديمة والأقل استقراراً، قاموا ببناء إطار عمل يعتمد على نوع من الذكاء الاصطناعي يُعرف باسم "نموذج الانتشار" (diffusion model). فكر في هذه العملية مثل نحات يبدأ بكتلة من الحجر ويقوم تدريجياً بنحت الزوائد حتى يبرز الشكل، ولكن بشكل عكسي: يبدأ الحاسوب بضجيج بصري عشوائي ويقوم بتنقيحه ببطء ليتحول إلى صورة واضحة، مسترشداً بتعليمات محددة. ويكمن الابتكار هنا في كيفية توجيه الحاسوب؛ فلم يكتفِ الباحثون بتغذية صورة الجمجمة في الآلة، بل زودوها أيضاً بوصف مكتوب لعمر الشخص، وجنسه، وبنيته الجسدية. هذا المزيج يسمح للنظام بتوليد وجه لا يتناسب فقط مع بنية عظام الجمجمة، بل يعكس أيضاً الخصائص الفيزيائية المحددة للفرد، مثل ما إذا كان شاباً أو مسناً، أو نحيفاً أو ممتلئ الجسم.
ولاختبار هذه الفكرة، أنشأ الفريق مجموعة بيانات ضخمة ومنضبطة للغاية، وهو مورد لم يكن موجوداً سابقاً بهذا الشكل المحدد. فقد جمعوا صور أشعة سينية لجمجمة 120 متطوعاً، ملتقطة من الأمام ومن الجانب. وبالنسبة لكل شخص، لم يكتفوا باستخدام صورة واحدة، بل أنشأوا مكتبة من المتغيرات. وباستخدام تقنيات توليد الصور المتقدمة، قاموا بتوليد نسخ من وجه كل شخص في ثلاثة أعمار مختلفة—25، 45، و65 عاماً—ومع ثلاثة اختلافات في كتلة الجسم، تمثل نقصاً بنسبة عشرة بالمائة، وحالة أساسية، وزيادة بنسبة عشرة بالمائ@. كما أنشأوا نسخاً من الوجوه بشعر وبدون شعر، وحتى حولوها إلى خطوط تشبه الرسم التخطيطي. نتج عن ذلك آلاف العينات المزدوجة، التي تربط جمجمة محددة بعشرات المظاهر المحتملة للوجه. كانت هذه التحضيرات الصارمة ضرورية لأن النظام كان بحاجة لتعلم كيف يتغير الوجه مع تقدم عمر الشخص أو زيادة وزنه، مما يضمن أن إعادة البناء النهائية ليست مجرد تخمين ثابت، بل تمثيل ديناميكي لحياة كاملة.
قام الباحثون بتدريب نظامهم باستخدام هذه الصور المزدوجة، ليعلموه التعرف على الارتباط العميق بين شكل الجمجمة والأنسجة الرخوة التي تغطيها. ووجدوا أنه من خلال استخدام صورة الجمجمة كدليل هيكلي والوصف النصي كدليل دلالي، يمكن للحاسوب إنتاج وجوه واقعية بشكل ملحوظ. وعندما قارنوا نتائجهم بالأساليب الأخرى الموجودة، بما في ذلك التقنيات القديمة التي تحاول ببساطة مطابقة صورة بأخرى، أنتج "Cranio-Diff" وجوهاً أكثر حدة وتفصيلاً واتساقاً هيكلياً. نجح النظام في توليد صور تبدو كأنها صور فوتوغرافية حقيقية، ملتقطاً تفاصيل ملمس الجلد وملامح الوجه التي غالباً ما كانت تفتقدها النماذج السابقة. والأهم من ذلك، أن النظام لم يكتفِ بإنشاء صور جميلة؛ بل أنشأ صوراً يمكن استخدامها لإيجاد تطابق. فعندما اختبر الباحثون الوجوه المولدة مقابل قاعدة بيانات لأشخاص حقيقيين، تمكن النظام من تحديد الشخص الصحيح بدرجة عالية من الدقة، متفوقاً على الطرق الأخرى في استرجاع الشخص المناسب من بين مجموعة كبيرة.
ومع ذلك، يحرص الباحثون على توضيح حدود عملهم. فقد تم تدريب النظام على بيانات من سكان منطقة معينة، وبينما يظهر وعداً كبيراً، إلا أنه ليس عصا سحرية يمكنها حل كل قضية جنائية فوراً. فالوجوه المولدة هي تقريبات احتمالية، مما يعني أنها النسخة الأكثر احتمالاً للشخص بناءً على البيانات التي رآها النظام، ولكنها ليست الصورة الأصلية الدقيقة. ويؤكد الفريق أن هذه الأداة مصممة لمساعدة خبراء الأدلة الجنائية، لتقديم وسيلة مساعدة بصرية يمكنها المساعدة في تضييق قائمة المفقودين أو توجيه التحقيق، بدلاً من استبدال الأساليب الراسخة والصارمة المستخدمة في المحاكم. ومن خلال الجمع بين الحقائق الصلبة لبنية العظام والتفاصيل المرنة للتباين البيولوجي، يقدم هذا النهج الجديد طريقة قوية ومبنية على أسس علمية لإعادة الوجه إلى الهيكل العظمي، مما يوفر مساراً جديداً نحو تحقيق الطمأنينة للعائلات والمحققين.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.