خوارزمية النُسور الإفريقية المحسّنة لتحسين العتبات المتعددة في تقسيم صور أشعة الصدر

رؤى أوضح داخل الصدر

تعد صور أشعة الصدر من أكثر الفحوصات الطبية شيوعاً، ومع ذلك يزال الأطباء يعتمدون بشكل كبير على نظرهم للفصل بين الأنسجة السليمة وعلامات المرض. يمكن لأجهزة الحاسب أن تساعد بتقسيم الصورة تلقائياً إلى مناطق ذات معنى، وهي عملية تُسمى التقسيم. يقدم هذا البحث طريقة جديدة لتمكين الحاسوب من «تقطيع» صور أشعة الصدر إلى طبقات متعددة ونظيفة، بحيث تصبح مناطق مثل الرئتين والعظام والظلال الشاذة أسهل في القياس والمتابعة عبر الزمن.

لماذا تقطيع الصور أصعب مما يبدو

للوهلة الأولى، قد يبدو فصل أجزاء الصورة إلى مناطق داكنة ومضيئة أمراً بسيطاً: اختر عتبة سطوع، وكل ما هو أكثر إشراقاً يدخل في مجموعة، وما هو أكثر ظلاً في مجموعة أخرى. تقنيات كلاسيكية مثل طريقة Otsu وطريقة Kapur بالانتروبيا تفعلان ذلك وتعملان جيداً عندما تكون المجموعتان كافيتين. لكن الصور الطبية الحديثة أكثر تعقيداً بكثير. قد يحتاج تصوير الصدر إلى تقسيم إلى عدة طبقات لفصل نسيج الرئة، والضلوع، وظل القلب، والتشوهات المحتملة. محاولة القيام بذلك بعدة عتبات تتحول بسرعة إلى مسألة حسابية مكثفة، وتتباطأ الطرق القديمة أو تفشل في إيجاد أفضل تقسيم للصورة.

استلهام الاستراتيجية من طيور النُسُور الجارحة

لمعالجة هذا التحدي، يبني المؤلفون على فكرة حديثة في علوم الحاسب مستوحاة من النُسور الإفريقية. في الطبيعة، تتجول هذه الطيور على نطاق واسع عندما تكون المصادر الغذائية نادرة وتتركز بشدة عندما تقترب من جثة. تحاكي خوارزمية تحسين النُسور الإفريقية هذا السلوك: مجموعة من «النُسور» الافتراضية تستكشف مشهداً رياضياً بحثاً عن القمم الأعلى، التي تمثل أفضل الحلول للمشكلة. في تقسيم الصورة، يمثل كل مجموعة ممكنة من حدود السطوع نقطة في هذا المشهد. الهدف هو إيجاد مجموعات تنتج شرائح واضحة ومفيدة من صورة الأشعة.

جعل السرب الرقمي أذكى

قد تعلق خوارزمية النُسور الأصلية أحياناً بالدوران حول تلة واعدة واحدة فقط، فتفوّت قمماً أفضل في أماكن أخرى. يقترح المؤلفون خوارزمية النُسور الإفريقية المُحسّنة متعددة الأهداف، أو IMMOAVOA، لتفادي هذا الانحصار. أولاً، يضيفون خطوة تعلم «المتضاد الجزئي المتوسط»: كلما بدأ السرب بالتماسك بشكل مفرط، تُنتج حلول مرشحة جديدة عن طريق قلب مواضعها جزئياً عبر المشهد وأخذ متوسطها. هذا يخلق خيارات جديدة ومتنوعة دون التخلي عما أُحرز من تقدم. ثانياً، يقدمون مرحلة استكشاف معمقة تُنقّح المرشحين الواعدين عبر دفعهم بخطوات محكومة تتناقص تدريجياً، مما يسمح للخوارزمية بالتركيز على أفضل القمم بدل التجوال بلا نهاية.

موازنة طريقتين لتقييم الجودة

بدلاً من الاعتماد على قاعدة واحدة لتحديد ما يُعد تقسيماً جيداً، تجمع الطريقة الجديدة بين منظورين مكملين. هدف واحد، ذو علاقة بطريقة Otsu، يكافئ التقسيمات التي تفصل بوضوح بين المناطق المضيئة والداكنة. والآخر، ذو علاقة بصورة ثنائية الأبعاد لانتروبيا Kapur، يكافئ التقسيمات التي تلتقط أكبر قدر من المعلومات من كل من السطوع الأصلي وجواره المحلي. تبحث IMMOAVOA عن مجموعات من العتبات تحقق توازناً جيداً بين هذين الهدفين، منتجة مجموعة من الحلول الأعلى ترتيباً بدلاً من حل واحد فقط. ثم يطبق المؤلفون هذه الحلول على أشعة صدر لمرضى COVID‑19 ويقوِّمون الصور الناتجة باستخدام عدة مقاييس جودة شائعة تقارن المخرجات المقسمة مع الصورة الأصلية.

مدى فعالية النهج الجديد

قبل تجربة صور حقيقية، يختبر المؤلفون IMMOAVOA على مجموعة معيارية من الاختبارات الرياضية المستخدمة لتقييم خوارزميات البحث. عبر مقاييس تعكس كلاً من الدقة وتنوّع الحلول، تتفوق طريقة النُسور المحسّنة ليس فقط على النسخة الأساسية بل أيضاً على عدة خوارزميات متعددة الأهداف راسخة. على صور أشعة الصدر الفعلية، تولد IMMOAVOA بشكل متسق تقسيمات أوضح حسب ثلاث مؤشرات شائعة لجودة الصورة، بينما تبقى منافسة في مقياس رابع يبرز التداخل بين المناطق. عملياً، يعني هذا أن الطريقة قادرة على تقطيع صور الصدر إلى طبقات متعددة ونظيفة تحافظ على التفاصيل والبنية، وهو أمر مفيد لمهام مثل تحديد مناطق الرئة المريضة أو إعداد البيانات لمزيد من التحليل بواسطة الذكاء الاصطناعي.

ما يعنيه ذلك للتصوير الطبي

للقارئ غير المتخصص، الخلاصة أن المؤلفين صمموا طريقة أذكى وأكثر مرونة لتمكين الحواسب من «رؤية» داخل صور أشعة الصدر. من خلال تنسيق سرب رقمي من عوامل البحث وتقييم كل حل مرشح من زاويتين مختلفتين، تستطيع طريقتهم إنتاج شرائح أوضح وأكثر إفادة من الصورة دون انفجار في زمن الحوسبة. ورغم أن العمل أُظهر على مجموعة صغيرة نسبياً من صور أشعة الصدر ولا يزال بحاجة إلى ضبط قبل الاستخدام الروتيني في العيادات، إلا أنه يشير إلى أدوات آلية أكثر موثوقية يمكن أن تساعد أطباء الأشعة على اكتشاف ومراقبة أمراض الرئة بدقة أكبر.

الاستشهاد: Fu, Z., Liu, D., Gao, S. et al. An improved African vultures algorithm for multi-threshold optimization in chest X-ray image segmentation. Sci Rep 16, 10191 (2026). https://doi.org/10.1038/s41598-026-40174-6

الكلمات المفتاحية: تقسيم أشعة صدر, تحليل الصور الطبية, تحسين ميتاهيوريستيك, تعدد العتبات, ذكاء جماعي