Region of Interest-Based HEVC Video Transmission for Telemedicine in Healthcare
تقترح هذه الورقة تعديلاً لترميز HEVC يعتمد على منطقة الاهتمام من أجل الطب عن بُعد، والذي يستخدم تقسيم الصور وتعتيم الخلفية لتقليل معدل البت للفيديو بشكل كبير مع الحفاظ على جودة عالية، مما يتيح نقل البيانات بكفاءة ودون انقطاع عبر نطاق ترددي محدود.
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 الرعاية الصحية المعاصر، غالبًا ما تكون القدرة على رؤية المريض بوضوح من على بُعد أميال مسألة حياة أو موت. هذا هو الوعد الذي يقدمه الطب عن بُعد، وهو نظام يسمح للأطباء بتشخيص وعلاج الأفراد دون الحاج عليهم لمغادرة منازلهم أبدًا. ومع ذلك، فإن هذا الاتصال المرئي يعتمد كليًا على الإنترنت، وبالنسبة للكثير من الناس في المناطق النائية أو أثناء الأزمات الصحية العالمية، يكون هذا الاتصال هشًا. تتطلب البثات المرئية قدرًا كبيرًا من البيانات لتنتقل بسلاسة. وعندما يكون اتصال الإنترنت بطيئًا أو غير مستقر، يتجمد الفيديو، أو يظهر مشوشًا (بكسلات)، أو ينقطع تمامًا، مما يترك الطبيب عاجزًا عن رؤية حالة المريض. ولحل هذه المشكلة، يستخدم المهندسون ضغط الفيديو، وهي عملية تتقلص من خلالها ملفات الفيديو عبر إزالة المعلومات غير الضرورية. ويكمن التحدي دائمًا في المقايضة: إذا تم ضغط الفيديو كثيرًا لتوفير المساحة، تصبح الصورة ضبابية جدًا بحيث لا تصلح للتشخيص الطبي. والهدف هو الحفاظ على حدة الصورة حيث تشتد الحاجة إليها مع جعل بقية الصورة أصغر حجمًا، وهو توازن عانت تقنية الفيديو القياسية من أجل تحقيقه بكفاءة.
لقد طور فريق من الباحثين من جامعات في باكستان وماليزيا وتايوان طريقة جديدة لترجيح كفة الميزان لصالح الطبيب والمريض. لقد ركزوا على نوع محدد من ترميز الفيديو يُعرف باسم HEVC، وهو المعيار الحالي لنقل الفيديو عالي الجودة. وبينما يعد هذا المعيار جيدًا بالفعل في تقليص ملفات الفيديو، إلا أنه يعامل كل جزء من الشاشة بنفس الطريقة؛ فهو لا يعرف أن وجه الطبيب أو جرح المريض أكثر أهمية من الجدار الموجود خلفهما. قام الباحثون بتعديل هذا النظام لجعله "ذكيًا" بشأن ما ينظر إليه. فقد بنوا برنامجًا حاسوبيًا يمكنه التعرف فورًا على الأشخاص في الفيديو — المريض، والطبيب، وأي طاقم طبي — وفصلهم عن الخلفية. وبمجرد أن يعرف النظام من هو مَن، فإنه يعامل الأشخاص بعناية فائقة، محافظًا على صورتهم بدقة عالية، بينما يقوم عمدًا بتضبيب وتبسيط الخلفية. وهذا يسمح لملف الفيديو بأن يصبح أصغر حجمًا بكثير دون فقدان التفاصيل السريرية التي يحتاج الطبيب لرؤيتها.
يكمن جوهر هذا العمل في تقنية تسمى "التجزئة الدلالية" (semantic segmentation)، وهي في الأساس طريقة تجعل الكمبيوتر يفهم معنى الصورة بدلاً من مجرد ألوانها. قام الباحثون بتدريب شبكة تعلم عميق، وهي نوع من الذكاء الاصطناعي، للتعرف على الأشكال البشرية في وضعيات مختلفة، سواء كان الشخص واقفًا، أو جالسًا، أو مستلقيًا. تعمل هذه الشبكة كمرشح (فلتر) يمسح كل إطار في الفيديو ويرسم خريطة غير مرئية حول الأشخاص. وتخبر هذه الخريطة مشفر الفيديو بالضبط أين تقع "منطقة الاهتمام". بعد ذلك، يطبق المشفر قاعدة خاصة: يستخدم إعدادات عالية الجودة للأشخاص داخل تلك الخريطة، وإعدادات منخفضة الجودة لكل ما هو خارجها. ومن خلال التضحية بوضوح الجدار أو الأرضية أو الأثاث، يوفر النظام مساحة كافية من البيانات للحفاظ على وضوح الأشخاص حتى في ظل وجود اتصال إنترنت ضعيف جدًا.
ولاختبار ما إذا كان هذا النهج فعالًا حقًا، أجرى الفريق عمليات محاكاة مكثفة باستخدام تسلسلات فيديو تحاكي سيناريوهات الطب عن بُعد الحقيقية. وقارنوا طريقتهم الجديدة بنظام الفيديو القياسي غير المعدل. كانت النتائج مذهلة؛ ففي اختبار شمل مريضًا، تطلب النظام القياسي سرعة بيانات تبلغ 2,929.3 كيلوبت في الثانية لنقل الفيديو. أما طريقتهم الجديدة، فقد تمكنت من إرسال نفس الفيديو مع بقاء المريض مرئيًا بوضوح باستخدام 735.2 كيلوبت في الثانية فقط. ويمثل هذا انخفاضًا هائلًا في كمية البيانات المطلوبة، مما يسمح للفيديو بالتدفق فعليًا عبر اتصالات كانت ضعيفة جدًا في السابق بحيث لا تدعم مثل هذا البث. وعندما اختبروا النظام مع طبيب، كان الفرق أكثر وضوحًا، حيث انخفضت سرعة البيانات المطلوبة من أكثر من 8,000 كيلوبت في الثانية إلى حوالي 2,757 كيلوبت في الثانية.
كما قاس الباحثون جودة الصور باستخدام مقياس قياسي يقارن بين الفيديو الأصلي والنسخة المضغوطة. ووجدوا أنه بينما أصبحت الخلفية ضبابية عمدًا، ظلت جودة الأشخاص في الفيديو عالية للغاية. وفي اختبار محدد، حققت طريقتهم درجة جودة بلغت 49.77 مع معدل بيانات قدره 2,552 كيلوبت في الثانية. بينما احتاج النظام القياسي، الذي يحاول الحفاظ على حدة الصورة بأكملها، إلى معدل بيانات أعلى بكثير بلغ 5,939 كيلوبت في الثانية للوصول إلى درجة جودة أقل قليلاً بلغت 49.61. وهذا يثبت أن الطريقة الجديدة يمكنها تقديم صورة أوضح للمريض باستخدام أقل من نصف البيانات التي يتطلبها النهج التقليدي. كما تم اختبار النظام مقابل طرق أخرى موجودة حاولت حل مشكلات مماثلة، وقد تفوق باستمرار عليها في كل من السرعة وجودة الصورة.
يشير هذا العمل إلى مسار عملي مستقبلي لأنظمة الرعاية الصحية التي تعمل في بيئات صعبة. لقد أثبت الباحثون أنه من خلال التركيز فقط على ما هو ذو صلة طبيًا، من الممكن الحفاظ على رابط مرئي عالي الجودة حتى عندما يكون الإنترنت ضعيفًا. تم تصميم النظام ليكون مرنًا، بحيث يمكنه التعامل مع الاستشارات الفردية أو حتى ربط مريض واحد بلوحة تضم عدة أطباء. وبينما أجريت الاختبارات الحالية باستخدام مجموعات بيانات فيديو ومحاكاة محددة، فإن النتائج تشير إلى أن هذا النهج يمكن أن يقلل بشكل كبير من تكلفة وتعقيد الطب عن بُعد. ومن خلال ضمان عدم تجمد الفيديو أو تدهور جودته عندما يكون الاتصال ضعيفًا، يمكن لهذه التكنولوجيا أن تساعد الأطباء في الوصول إلى المرضى الذين يعانون حاليًا من الانقطاع عن الرعاية بسبب المسافة أو نقص البنية التحتية. وتخلص الدراسة إلى أن هذه الطريقة الذكية لضغط الفيديو هي حل قابل للتطبيق لمستقبل الرعاية الطبية عن بُعد، مما يضمن أن الجزء الأهم من الشاشة — الكائن البشري — يظل واضحًا ومرئيًا.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.