YOLOv8n قائم على الالتفاف الأفعواني الديناميكي والانتباه متعدد الميزات لتجزئة أورام الجمجمة في صور الرنين المغناطيسي للدماغ

لماذا يهم هذا المرضى والأطباء

الأورام الدماغية مهددة للحياة ليس فقط بسبب سرعتها في النمو، وإنما لأنها تقع في أكثر أعضاء الجسم حساسية. قبل الجراحة أو الإشعاع، يجب على الأطباء أن يعرفوا بدقة من أين يبدأ الورم وأين ينتهي على صور الرنين المغناطيسي. اليوم، يتم في كثير من الأحيان رسم هذه الحدود يدويًا، وهو أمر قد يكون بطيئًا ومرهقًا وغير دقيق تمامًا. تقدم هذه الورقة نهجًا جديدًا قائمًا على الذكاء الاصطناعي يهدف إلى تتبّع الأورام الدماغية تلقائيًا وبسرعة، مع تفاصيل حواف أدق، مما قد يوفر لجراحي الأعصاب خرائط أوضح لتوجيه العلاج.

رؤية الأورام بوضوح في صورة ضجيجية

التصوير بالرنين المغناطيسي هو الأداة الرئيسية لاكتشاف الأورام الدماغية وتخطيط العمليات. ومع ذلك، تظهر الأورام الدماغية بأشكال متعددة — بعضها دائري ومحدّد جيدًا، والبعض الآخر خيطي أو مُبقّع أو متداخل مع النسيج الطبيعي. قد تكون حدودها ضبابية، خصوصًا في المراحل المبكرة، مما يصعّب حتى على الخبراء رسم محيط دقيق شريحة تلو الأخرى. الطرق الحاسوبية التقليدية إما تعتمد على قواعد مكوّنة يدويًا من الرياضيات أو على نماذج تعلّم عميق تقليدية تميل لتلطيف التفاصيل عند ضغط وإعادة توسيع الصورة مرارًا. كلا النهجين يكافحان أكثر حيث تكون الدقة الأهم: على حافة الورم.

كاشف أسرع ومصمم للطب

يعتمد المؤلفون على عائلة من نماذج الذكاء الاصطناعي المعروفة باسم YOLO، التي صُممت أصلاً لاكتشاف الأشياء في الصور والفيديو في الزمن الحقيقي. تتميز YOLO بالسرعة والكفاءة — صفات قيّمة في المستشفيات المزدحمة حيث يجب اتخاذ قرارات علاجية بسرعة. ومع ذلك، صُممت نماذج YOLO الأساسية للمشاهد اليومية، لا للفوارق الطبية الدقيقة. لتكييف YOLOv8n (نسخة مدمجة من النموذج) مع صور الرنين المغناطيسي للدماغ، أعاد الباحثون هندسة الكتل الداخلية لديه بحيث تولي اهتمامًا خاصًا للهياكل الدقيقة والأشكال غير المنتظمة بدلًا من الأشياء العامة فقط.

عدسة تشبه الأفعى تتبع حواف الورم

الابتكار الرئيسي الأول هو ما يسميه المؤلفون الالتفاف الأفعواني الديناميكي. العدسات التقليدية لدى نماذج الذكاء الاصطناعي تنظر إلى رقع الصورة على شبكة مربعة صلبة. هذا يعمل جيدًا للسيارات ولافتات الشوارع، لكنه لا يناسب الأورام التي تمتد وتنثني عبر نسيج الدماغ في أنماط متعرجة وأنبوبية. بالمقابل، يسمح الالتفاف الأفعواني الديناميكي للعدسة بالانزلاق على مسارات مرنة على شكل أفعى تتكيف مع البُنى المحلية. أثناء فحص النموذج لشريحة من الرنين المغناطيسي، تُوجه نقاط العينات بلطف لتتبع منحنيات مستمرة بدلًا من المربعات الثابتة، مما يجعله أفضل بطبيعته في رسم المحيطات المعقّدة دون أن يفقد موضعه.

دمج وجهات نظر متعددة والتركيز على المهم

لزيادة الدقة أكثر، لا يعتمد النموذج على تمريرة واحدة فقط من هذا المسح الشبيه بالأفعى. يطبق عدة تمريرات لهذا النوع على نفس منطقة الصورة ثم يندمج خرائط الميزات الناتجة في وصف أغنى ومركب — استراتيجية يسميها المؤلفون دمج متعدد الميزات. علاوة على ذلك، يضيفون آلية انتباه مزدوجة. يعمل جزء من هذه الآلية عبر القنوات، ليقرر أي أنواع الميزات (مثل النسيج أو أنماط السطوع) تستحق وزنًا أكبر. والجزء الآخر يعمل عبر الفضاء، مبرزًا المواقع الأكثر إفادة في الصورة. تعمل طبقات الانتباه هذه معًا مثل أخصائي أشعة يعرف الإشارات التي تدل عادةً على ورم ويُركز على البقع المشبوهة بدلًا من معاملة كل بيكسل على قدم المساواة.

ما مدى فاعلية الطريقة الجديدة؟

درّب الفريق نموذجهم المحسّن، المسمى DMA‑YOLOv8n، واختبره على مجموعة بيانات عامة تضم 1300 صورة رنين مغناطيسي للدماغ، وفحصوا أيضًا مدى انتقاله إلى مجموعة أورام دماغية معروفة أخرى (BraTS2021). قيّموا الأداء باستخدام مقاييس قياسية لمدى تطابق الحدود التلقائية مع تلك المرسومة من قبل الخبراء. مقارنةً بنموذج YOLOv8n الأصلي وعدد من الأنظمة الرائدة الأخرى، بما في ذلك متغيرات U‑Net الشائعة المستخدمة في المستشفيات والمختبرات البحثية، حقق DMA‑YOLOv8n أفضل توازن بين الدقة والكفاءة. وصل إلى درجات أعلى في الدقة والاستدعاء، مما يدل على أنه فاتته بكسلات ورم أقل ووصف بكسلات سليمة على أنها ورم بمعدل أقل، مع إبقاء تكاليف الحساب معتدلة بما يكفي للاستخدام العملي.

ماذا يعني هذا لرعاية المستقبل

من منظور غير مختص، الخلاصة الأساسية هي أن هذه الطريقة الجديدة للذكاء الاصطناعي قادرة على رسم حدود الأورام في فحوصات الدماغ بشكل أوضح وأكثر موثوقية من العديد من الأدوات الحالية، دون إبطاء الرعاية. من خلال تتبع الأنماط المتعرجة للنمو الورمي وتعلم التركيز على التفاصيل الأكثر دلالة، ينتج DMA‑YOLOv8n مخارِط تتطابق عن قرب مع رأي الخبراء. إذا تم دمجه في سير العمل السريري، يمكن لمثل هذه الأنظمة أن تساعد الأطباء على تخطيط الجراحة والإشعاع بثقة أكبر، وتقصير الوقت من التشخيص إلى العلاج، وربما تحسين نتائج المرضى المصابين بأورام دماغية.

الاستشهاد: Hang, Y., Zhang, Q., Li, L. et al. Yolov8n based on dynamic serpentine convolution and multi-feature attention for MRI brain cranial tumor segmentation. Sci Rep 16, 12008 (2026). https://doi.org/10.1038/s41598-026-42502-2

الكلمات المفتاحية: ورم الدماغ بالرنين المغناطيسي, تجزئة الصور الطبية, التعلّم العميق, YOLOv8, دعم القرار السريري