Deep Learning-Based Breast Ultrasound Lesion Segmentation Using Cross-Scale Attention and Edge-Aware Supervision
تقترح هذه الورقة نموذج Attention U-Net معدلاً مع انتباه عبر المقاييس وإشراف مدرك للحواف لتجزئة آفات الموجات فوق الصوتية للثدي، إلا أن فائدته السريرية محدودة حالياً بسبب انخفاض درجات "Dice" والاستدعاء و"IoU"، بالإضافة إلى تقسيم البيانات غير المتحقق منه ومقاييس الأداء المتضاربة التي تستلزم مزيداً من التحقق والمقارنات المرجعية.
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 عالم التصوير الطبي الهادئ والنابض بالهمسات، يعتمد الأطباء على الموجات الصوتية للنظر داخل جسم الإنسان، محولين الأصداء غير المرئية إلى صور لما يكمن تحت الجلد. وبالنسبة لفحص سرطان الثدي، يعد الموجات فوق الصوتية أداة حيوية، حيث توفر وسيلة لرؤية الأنسجة الرخوة دون التعرض لإشعاع الأشعة السينية. ومع ذلك، فإن تحويل هذه الصور الضبابية والحبيبية إلى تشخيص واضح هو مهمة صعبة؛ إذ غالبًا ما تبدو الأورام مثل بقع غير منتظمة، تندمج مع الأنسجة المحيطة بحدود يصعب تحديدها. ولمساعدة الأطباء، لجأ العلماء إلى الذكاء الاصطناعي، وتحديدًا إلى نوع من البرامج الحاسوبية المصممة للتعلم من خلال النظر في آلاف الأمثلة. هذه البرامج، المعروفة بنماذج التعلم العميق، تعمل كمساعد رقمي يمكنه تتبع الخطوط الخارجية للورم، وهي عملية تسمى "التجزئة" (segmentation). والهدف هو إنشاء خريطة دقيقة للمرض، تفصل الأنسجة المريضة عن السليمة بحيث يمكن قياس حجمها وشكلها بدقة. ومع ذلك، فإن تعليم الكمبيوتر رؤية هذه الحدود الباهتة والمتغيرة أمر صعب للغاية، حيث يمكن للضجيج في الصورة أن يربك الخوارزمية بسهولة.
قام فريق من الباحثين في جامعة SR في الهند ببناء نسخة أكثر ذكاءً من هذا المساعد الرقمي، آملين في حل مشكلة الحواف الضبابية والأشكال المربكة. لقد طوروا نموذجًا حاسوبيًا جديدًا يجمع بين عدة استراتيجيات مختلفة لمساعدة الآلة على "الرؤية" بشكل أفضل. تخيل النموذج كطالب يتعلم رسم شكل معقد؛ فبدلاً من مجرد النظر إلى الصورة النهائية، يتم تعليم هذا الطالب الانتباه إلى ملمس الخطوط، والشكل العام للجسم، والطريقة المحددة التي تتصل بها الحواف. أضاف الباحثون أدوات خاصة إلى نموذجهم لمساعدته على التركيز على الأجزاء الأكثر أهمية في الصورة مع تجاهل ضجيج الخلفية. لقد علموه فهم هندسة الورم، وليس فقط مظهره بكسل بكسل، وأن ينظر إلى الصورة بمستويات مختلفة من التفاصيل، تمامًا مثل التراجع للخلف لرؤية الصورة الكاملة ثم الاقتراب لرؤية الشقوق الدقيقة. كما أعطوا النموذج وظيفة ثانية: التدرب خصيصًا على رسم الخطوط الخارجية للورم، بشكل منفصل عن المهمة الرئيسية المتمثلة في ملء الشكل. صُمم هذا النهج المزدوج لإجبار الكمبيوتر على إعطاء اهتمام إضافي للحدود، والتي غالبًا ما تكون الجزء الأصعب في الإتقان.
اختبر الباحثون نظامهم الجديد باستخدام مجموعة عامة من صور الموجات فوق الصوتية للثدي، وهي مجموعة بيانات قياسية يستخدمها العلماء حول العالم لمقارنة الطرق المختلفة. قاموا بتغذية الصور في نموذجهم وطلبوا منه تتبع الأورام. أظهرت النتائج مزيجًا من النجاح والقيود الكبيرة. فمن الناحية الظاهرية، بدا النموذج جيدًا جدًا في تحديد ما ليس ورمًا؛ فقد حدد الأنسجة السليمة بدقة عالية، حيث وصل إلى درجة 0.9808. كما كان جيدًا جدًا في قول "لا" عندما لا يوجد ورم، بدرجة نوعية بلغت 0.9935. ومع ذلك، عندما نظر الباحثون في مدى جودة تتبع النموذج للورم نفسه، تغيرت الصورة. فقد عانى النموذج من أجل مطابقة الشكل والحجم الدقيق للأورام كما حددها الخبراء البشريون. وكان مقياس مدى تداخل رسم الكمبيوتر مع الورم الحقيقي هو 0.3673 فقط، وهو رقم يشير إلى أن النموذج قد أغفل جزءًا كبيرًا من المرض أو رسمه في مكان خاطئ. وبالمثل، وجد النموذج حوالي 30 بالمائة فقط من بكسلات الورم الفعلية، مما يعني أنه فاته معظم الأنسجة السرطانية في كثير من الحالات.
كشفت الدراسة أيضًا عن بعض التناقضات في البيانات التي لاحظها الباحثون أنفسهم. فقد احتوى التقرير على أرقام مختلفة لنفس القياسات اعتمادًا على مكان النظر إليها؛ فعلى سبيل المثال، تم إدراج "المساحة تحت المنحنى"، وهي طريقة شائعة لقياس الأداء العام، كـ 0.9005 في جدول واحد بينما ظهرت كـ 0.9479 في رسم بياني. وأقر المؤلفون بأن هذه التناقضات تحتاج إلى مراجعة مقابل البيانات الأصلية قبل التوصل إلى أي استنتاجات حازمة. علاوة على ذلك، فإن مقارنة نموذجهم بالأنظمة الموجودة حاليًا لم تكن اختبارًا مباشرًا ومباشرًا تحت نفس الظروف، لذا فمن غير الواضح ما إذا كانت طريقتهم الجديدة أفضل حقًا مما هو موجود بالفعل. لقد كانت درجات الدقة العالية مدفوعة إلى حد كبير بقدرة النموذج على تحديد كميات هائلة من الأنسجة الخلفية السليمة، وهو أمر سهل التحديد، بدلاً من قدرته على إيجاد الأورام الصعبة الرؤية.
في الختام، يمثل هذا العمل محاولة متطورة لتحسين كيفية رؤية الكمبيوتر لسرطان الثدي، لكنه يتوقف قبل إثبات أن الطريقة جاهزة للاستخدام في العالم الحقيقي. لقد نجح الباحثون في الجمع بين العديد من التقنيات المتقدمة، مثل آليات الانتباه التي تساعد النموذج على التركيز على المناطق الرئيسية، والأدوات الهندسية التي تساعده على فهم الشكل. ومع ذلك، تظهر النتيجة النهائية أن النموذج ليس موثوقًا بما يكفي بعد لرسم الحدود الدقيقة اللازمة للتشخيص السريري. إن درجات التداخل المنخفضة ومناطق الورم المفقودة تشير إلى أنه بينما يتحسن الكمبيوتر في تجاهل الخلفية، فإنه لا يزال يكافح للعثور على المرض نفسه. ويخلص المؤلفون إلى أن تداخل الورم والحساسية الملحوظين غير كافيين لإثبات التحديد الموثوق للآفات سريريًا. هناك حاجة لمزيد من العمل، بما في ذلك اختبار النموذج على مجموعات مختلفة من بيانات المرضى وإجراء تجارب منضبطة لمعرفة ما إذا كانت الميزات الجديدة تحدث فرقًا بالفعل. وإلى أن يتمكن النموذج من تتبع المدى الكامل للورم بدقة واتساق، فإنه سيظل تجربة واعدة وليس حلاً نهائيًا لمساعدة الأطباء في علاج المرضى.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.