CGMU-Net: A Classification-Guided Cross-Interaction Network for Computer-Assisted Dermoscopy Skin Lesion Segmentation
تقترح الورقة البحثية شبكة CGMU-Net، وهي شبكة تفاعل متقاطع موجهة بالتصنيف تدمج دمج الانتباه، والتعزيز عبر القنوات، والوحدات المدركة للآفات لتحقيق تقسيم دقيق وقوي لآفات الجلد الجلدية عبر معالجة تحديات مثل الأشكال غير المنتظمة والحدود الضبابية.
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 الجلد، وخاصة النوع الشرس المعروف باسم الميلانوما، يمثل تحدياً صحياً عالمياً خطيراً. ويعد الكشف المبكر هو الطريقة الأكثر فعالية لإنقاذ الأرواح، ومع ذلك، فإن تحديد هذه النموات الخطيرة غالباً ما يعتمد على عين الطبيب ورسم يدوي لحافة الآفة على صورة فوتوغرافية. هذه العملية بطيئة، وتتفاوت من طبيب لآخر، ويمكن أن تغفل عن تفاصيل دقيقة في الصور حيث يكون نسيج الجلد غير مستوٍ أو الألوان باهتة. ولمساعدة البشر، لجأ العلماء إلى الحواسيب، حيث قاموا بتعليمها كيفية التعرف على هذه البقع الجلدية وتحديد حدودها تلقائياً. وبينما أصبحت البرامج الحاسوبية الحديثة جيدة جداً في هذا المجال، إلا أنها لا تزال تواجه صعوبة عندما تكون للآفة حافة ضبابية، أو تبدو مشابهة جداً للجلد المحيط بها، أو تظهر بشكل غريب. والهدف هو إنشاء أداة يمكنها رؤية هذه البقع الصعبة بوضوح كما يفعل الخبير البشري، ولكن بدقة وسرعة مثاليةتين.
في دراسة حديثة، قدم باحثون من جامعة شيامن للتكنولوجيا وجامعة تسينغهوا نظاماً حاسوبياً جديداً صُمم لحل هذه المشكلات البصرية المحددة. وقد أطلقوا على ابتكارهم اسم CGMU-Net، وهو برنامج متطور ينظر إلى صور التنظير الجلدي (dermoscopy) - وهي صور مقربة خاصة للجلد تُؤخذ باستخدام جهاز مكبر - ويرسم خطاً دقيقاً حول أي نمو غير طبيعي. تم بناء هذا النظام للتعامل مع الواقع الفوضوي لصور الجلد، حيث تكون الحدود غالباً مشوشة والتباين بين البقعة والجلد السليم منخفضاً. وبدلاً من مجرد البحث عن الأنماط، يستخدم هذا الشبكة الجديدة استراتيجية تجمع بين ثلاث طرق مختلفة لرؤية الصورة في آن واحد: فهم الشكل العام للبقعة، والاهتمام الشديد بالحافة الدقيقة، واستخدام فحص ثانوي للتأكد من نوع البقعة.
يعمل جوهر هذا النظام من خلال جعل أجزاء مختلفة من البرنامج الحاسوبي تتواصل مع بعضها البعض باستمرار. تخيل البرنامج كفريق من المتخصصين؛ جزء من الفريق يركز على الصورة الكبيرة، حيث يحدد المنطقة العامة التي توجد فيها الآفة. وجزء آخر يركز بكثافة على التفاصيل الدقيقة، محاولاً إيجية الخط الفاصل حيث يتغير الجلد. في الأنظمة القديمة، كانت هذان الجزءان يعملان غالباً في عزلة أو ببساطة يقومان بلصق نتائجهما معاً، مما أدى إلى أخطاء مثل الحواف المتعرجة أو الزوايا المفقودة. في هذا التصميم الجديد، يقوم المتخصص في "الصورة الكبيرة" والمتخصص في "التفاصيل الدقيقة" بتبادل المعلومات ذهاباً وإياباً في الوقت الفعلي. هذا "التواصل المتبادل" يسمح للنظام بتنقيح الخط الخاري، مما يضمن أن تكون الحافة سلسة ودقيقة حتى عندما تكون الصورة ضبابية.
ولضمان عدم ارتباك النظام بسبب الأحجام المتفاوتة للبقع الجلدية، أضاف الباحثون طبقة أخرى من الذكاء. فالآفات الجلدية يمكن أن تكون صغيرة جداً أو كبيرة جداً، وغالباً ما تفقد الرؤية الواحدة السياق الكامل. ينظر النظام الجديد إلى الصورة من خلال عدة "عدسات" في وقت واحد، جامعاً المعلومات من مقاييس مختلفة. ثم يقوم بوزن هذه الرؤى المختلفة ليقرر التفاصيل الأكثر أهمية لتلك البقعة تحديداً. يساعد هذا الحاسوب على تجاهل الضوضاء الخلفية المشتتة، مثل الشعيرات الصغيرة أو نسيج الجلد، مع الحفاظ على التركيز حصرياً على الآفة نفسها. علاوة على ذلك، يتضمن النظام خطوة تحقق مدمجة؛ فقبل وضع الخط النهائي، يسأل النظام نفسه لفترة وجيزة: "ما نوع هذه الحالة الجلدية؟". هذا الفحص الإضافي يساعد النظام على البقاء يقظاً للخصائص المحددة للبقعة، مما يقلل من احتمال تفويته لبقعة صغيرة أو باهتة.
اختبر الباحثون نظامهم الجديد على ثلاث مجموعات كبيرة من صور الجلد المتاحة علناً للعلماء في جميع أنحاء العالم. تحتوي هذه المجموعات، المعروفة باسم ISIC 2017 وISIC 2018 وPH2، على آلاف الصور ذات الخطوط المرسومة من قبل خبراء والتي تعمل كإجابات صحيحة. وعندما طُلب من النظام الجديد رسم حدود الآفات في هذه الصور، كان أداؤه أفضل من أحد عشر برنامجاً حاسوبياً رائداً مستخدماً حالياً. وفي مجموعة ISIC 2017، حدد بدقة 89.21 بالمائة من بكسلات الآفة، وهي درجة أعلى من أي من النماذج الأخرى. وفي مجموعة ISIC 2018، حقق درجة 89.91 بالمائة، وفي مجموعة PH2 الأصغر، وصل إلى 95.01 بالمائة. وبالإضافة إلى تحديد المنطقة بشكل صحيح، رسم النظام الحدود بدقة أكبر، مع أخطاء أقل في المسافة بين الخط الحاسوبي وخط الخبير.
لفهم السبب الدقيق وراء نجاح النظام الجديد بهذا الشكل، أجرى الباحثون سلسلة من الاختبارات حيث قاموا بإزالة ميزة واحدة في كل مرة. فعندما أزالوا الجزء الذي يسمح لمتخصصي "الصورة الكبيرة" و"التفاصيل الدقيقة" بالتواصل مع بعضهما البعض، انخفضت قدرة النظام على إيجاد الحواف بشكل كبير. وعندما أزالوا الجزء الذي ينظر إلى الصورة من مقاييس متعددة، عانى النظام للحفاظ على شكل الآفة كاملاً ومتواصلاً. وعندما أزالوا الفحص النهائي الذي يسأل "ما هذا؟"، فات النظام المزيد من البقع الصغيرة أو الباهتة. أكدت هذه الاختبارات أن كل جزء من النظام يلعب دوراً حيوياً وأنهما يعملان بشكل أفضل عندما يكون كلاهما حاضراً ويعملان معاً. كما أن النظام النهائي فعال؛ فبينما هو أكثر تعقيداً من النسخ الأبسط لهذه البرامج، فإنه يتطلب قدرة حوسبة أقل من بعض النماذج الأخرى عالية الأداء، مما يجعله خياراً عملياً للاستخدام في العالم الحقيقي.
تخلص الدراسة إلى أن هذا النهج الجديد يقدم حلاً قوياً لمساعدة الأطباء في تحليل صور الجلد. فمن خلال الجمع بين الفهم الدلالي، ودقة الحدود، والوعي متعدد المقاييس، يتغلب النظام على العقبات الشائعة المتمثلة في الحواف الضبابية والتباين المنخفض التي واجهت المحاولات السابقة. وبينما تستند النتائج الحالية إلى مجموعات بيانات عامة ومهام ثنائية تتمثل في إيجاد بقعة مقابل عدم وجودها، يشير الباحثون إلى أن العمل المستقبلي سيتطلب اختبار النظام في بيئات سريرية حقيقية وعبر أنواع مختلفة من التصوير الطبي. وفي الوقت الحالي، تشير النتائج إلى أن منح الحاسوب القدرة على التحقق من ملاحظاته وتدقيق تركيزه يؤدي إلى صورة أوضح لصحة الجلد.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.