شبكة R-CNN ذات القناع الموجَّه بالمناطق مع دمج هاراليك-ريزنت لاكتشاف أمراض الشرايين التاجية بدقة في صور تصوير الأوعية المقطعية للقلب

لماذا تهم صور القلب الأكثر وضوحًا

يُعد مرض الشريان التاجي من الأسباب الرئيسية للوفاة في العالم، وإحدى الطرق الشائعة لاكتشافه مبكرًا هي فحوص الأشعة المقطعية الخاصة التي تُظهر أوعية الدم في القلب. يمكن لهذه الصور ثلاثية الأبعاد أن تكشف عن ضيقات ودُهون خطرة قبل أن تتسبب في أزمة قلبية. لكن في الواقع، تكون الصور غالبًا ضبابية، ومكتظة بأنسجة متراكبة، ومشحونة بالضوضاء. تقدم هذه الورقة نظامًا حاسوبيًا أكثر ذكاءً ينظف تلك الصور المربكة، ويتتبع أوعية القلب بدقة أكبر، ويشير إلى المرض بدرجة موثوقية عالية، مما قد يمنح الأطباء أداة أكثر حدة للتشخيص المبكر.

تحدي قراءة صور القلب

تصوير الأوعية التاجية بالأشعة المقطعية يولد خرائط مفصّلة للشرايين التي تغذي القلب. ومع ذلك، فإن هذه الصور بعيدة عن المثالية: ضباب الحركة الناتج عن نبض القلب، والتباين المنخفض بين الأوعية والأنسجة المحيطة، وترسّبات الكالسيوم التي تشبه هياكل مجاورة كلها تجعل تفسير الصور صعبًا. تحاول الطرق الحاسوبية التقليدية اقتطاع الأوعية بقواعد بسيطة، مثل اختيار بكسلات فوق عتبة سطوع أو تتبع الحواف. وغالبًا ما تفشل هذه الأدوات القديمة عندما تكون الأوعية رفيعة أو ملتوية أو متداخلة مع تشريح آخر، مما قد يؤدي إلى تفويت المرض أو إنذارات كاذبة.

تتبّع الأوعية القلبيَّة بتوجيه المناطق

لمعالجة هذه الصور المعقّدة، يقدم المؤلفون طريقة جديدة لتحديد محيط الشرايين التاجية تسمى Region-Guided Mask R-CNN. أولًا، تقوم خطوة نمو المنطقة البسيطة بتمييز المناطق المرجحة لتكون أوعية، باستخدام تشابه سطوع تقريبي للإشارة إلى أماكن الشرايين المحتملة. ثم يتولى نموذج تعلم عميق متقدّم تحسين هذه التلميحات إلى أقنعة أوعية واضحة على مستوى كل جسم. يضيف النظام شكلًا من «الانتباه» البصري الذي يتعلم التركيز على المناطق الأكثر صلة وتجاهل التشويش، ويستخدم محاذاة أكثر دقة حتى لا تضيع التفاصيل الدقيقة. عند اختباره على بيانات صور قلبية عامة من 206 مرضى، حقق هذا التتبّع الموجَّه دقة أعلى وتراكبًا أفضل مع مخططات الأوعية المرسومة بخبرة مقارنة بشبكات التقسيم الشائعة مثل U-Net وV-Net.

مزاوجة النسيج وبصيرة التعلم العميق

كشف المرض لا يقتصر على رسم حدود الأوعية؛ بل يتطلّب أيضًا فهم فروق دقيقة داخل جدران الشرايين. يبني الباحثون مكونًا ثانيًا يسمى Haralick-ResNet Fusion لالتقاط كلٍّ من النسيج الدقيق والأنماط الأوسع. يقيس جزء ميزات النسيج الكلاسيكية—كيفية تكرار درجات البكسل والتباين والاندماج—بينما يتعلم جزء آخر، وهو شبكة عميقة حديثة (ResNet)، إشارات بصرية معقّدة مباشرة من البيانات. تُدمَج هاتان السيلتان في وصف موحّد أغنى لكل منطقة شريانية. تساعد هذه التمثيلات المدمجة النظام على التمييز بين الأوعية الطبيعية وتلك المتأثرة باللويحات أو الضيق، حتى عندما تكون الاختلافات المرئية طفيفة.

من الصور إلى جواب قاطع بنعم أو لا

الخطوة النهائية في خط المعالجة هي شبكة تلافيفية عميقة تأخذ الميزات المدمجة وتقرر ما إذا كان مرض الشريان التاجي موجودًا أم لا. تُكدِّس هذه المصنِّفة طبقات من المرشحات الصغيرة للتعرف على الأنماط بمقاييس مختلفة، ثم تُكثفها إلى قرار نهائي. باستخدام إعداد بيانات دقيق، وتطبيع الصور، وزيادة بيانات، وصلت النموذج إلى دقة كلية لاكتشاف المرض تبلغ حوالي 98.3 في المئة. كما تفوق على شبكات تصنيف صور معروفة مثل VGG-16 وResNet-50 وInceptionV3 وEfficientNet-B3 في نفس المهمة، مع الحفاظ على زمن حساب وإطار عرض معقولين.

ماذا يعني هذا لرعاية القلب

من منظور القارئ العام، تتعلق هذه الدراسة بتعليم الحواسيب قراءة صور القلب بعناية واتساق أفضل من الأنظمة الحالية. من خلال تتبع الأوعية أولًا بانتباه موجه بالمناطق، ثم مزج إشارات النسيج الكلاسيكية مع بصيرة التعلم العميق، وأخيرًا إصدار حكم قاطع بنعم أو لا، يتصدى الأسلوب للعقبات الرئيسية التي قيدت التحليل الآلي لصور الأشعة المقطعية التاجية. ورغم أنه لا يزال يعتمد على صور ذات جودة جيدة وعلى مزيد من التحقق السريري، فإن النهج يوحي بأن أدوات ذكاء اصطناعي أذكى وشاملة قد تساعد قريبًا أطباء الأشعة على اكتشاف أمراض القلب الخطرة مبكرًا وبمزيد من الموثوقية، مما يفتح الباب لتوجيه العلاج قبل أن تصبح الأعراض مهددة للحياة.

الاستشهاد: Revathi, G., Mathew, O.C. Region guided mask R-CNN with Haralick ResNet fusion for accurate coronary artery disease detection in computed tomography angiography images. Sci Rep 16, 12231 (2026). https://doi.org/10.1038/s41598-026-43951-5

الكلمات المفتاحية: مرض الشريان التاجي, تصوير القلب بالأشعة المقطعية, تقسيم الصور الطبية, التشخيص باستخدام التعلم العميق, الكشف عن لويحات القلب