تدريب موفّر للذاكرة لشبكات تسجيل صور الدماغ ثلاثية الأبعاد باستخدام PatchMorph

فهم عدد كبير من فحوصات الدماغ

تعتمد أبحاث الدماغ الحديثة على مقارنة فحوص ثلاثية الأبعاد من العديد من البشر والحيوانات، لكن كل صورة دماغ تختلف قليلاً في الحجم والشكل والدقة. محاذاتها بدقة، دون الحاجة إلى حواسب ضخمة، يمثل تحدياً كبيراً. تقدم هذه الورقة PatchMorph، طريقة جديدة لمواءمة صور الدماغ ثلاثية الأبعاد الكبيرة تقلّص بشكل كبير استخدام الذاكرة مع الحفاظ على الدقّة أو حتى تحسينها، ما يفتح المجال لدراسة مجموعات بيانات دماغية أكبر وأكثر غنى.

لماذا من الصعب محاذاة أدمغة متعددة

لمقارنة الأدمغة، يقوم العلماء أولاً بـ«تسجيل» صورة ثلاثية الأبعاد إلى أخرى، أي تشويه حجم واحد بحيث تتطابق البنى المتماثلة. تقوم الأدوات التقليدية بذلك بتعديل حقل التشويه تدريجياً حتى يتمّ تعظيم مقياس التشابه بين الصورتين. أما طرق التعلّم العميق الحديثة، مثل VoxelMorph، فتتعلم التنبؤ بهذا التشويه دفعة واحدة، مما يجعل التسجيل أسرع بكثير. مع ذلك، معظم هذه الشبكات تفترض أن الصورتين المدخليتين تشتركان في نفس حجم الشبكة والدقة، وغالباً ما تحتاج لمعالجة الأحجام الثلاثية كاملة دفعة واحدة. مع تزايد أحجام الصور وتعقيد النماذج، تتفاقم ذاكرة الرسوميات المطلوبة بسرعة، مما يضطر الباحثين لتقليص أو قص أو معالجة بياناتهم مسبقاً بشكل كبير.

مقاربة الشرائح: فحص الدماغ قطعةً بقطعة

يتعامل PatchMorph مع عنق الزجاجة هذا بعدم تحميل الحجم الثلاثي الكامل إلى الشبكة دفعة واحدة. بدلاً من ذلك، يعمل على «شرائح» ثلاثية الأبعاد صغيرة تُستخرج عبر فضاء مرجعي مشترك يغطي الصورة الثابتة. على مستوى خشن، يضع الأسلوب شرائح كبيرة نسبياً على كامل الدماغ، يستخرج شرائح مطابقة من الصورة المتحركة باستخدام تحويلات إحداثية دقيقة، ويغذّيها إلى شبكة تسجيل مدمجة. تتنبأ الشبكة بكيفية تحريك وتشويه كل شريحة حتى تتطابق محتوياتها المحلية. ثم تُعاد هذه التنبؤات المحلية المتعددة لتكوّن حقل تشويه عالمي، مع استخدام تقنيات استيفاء ناعمة لضمان استمرارية التشويه عبر كامل الدماغ.

من شرائح كبيرة إلى تفاصيل دقيقة

يتقدّم PatchMorph عبر مقاييس متعددة، من الخشن إلى الدقيق. في المقياس الأول، تغطي الشريحة منطقة دماغية كبيرة بدقة منخفضة، تلتقط اختلالات عامة مثل الاختلاف في الحجم أو الموضع. في المقاييس التالية، تقوم شرائح جديدة «بالتكبير» إلى مناطق فرعية من الشرائح المأخوذة سابقاً، مع الحفاظ دائماً على نفس عدد الفوكسلات في كل شريحة في الذاكرة. هذا يعني أن المقاييس الأدق تزيد التفاصيل الفيزيائية دون زيادة طلب الذاكرة. يتم اختيار مواضع الشرائح في المستويات الأدق بشكل عشوائي داخل شرائح الأصل، لذا لا يركز الأسلوب فقط على مراكز الشرائح بل يتعلم تدريجياً محاذاة البنى المحيطية أيضاً. عبر المقاييس، تُجمَع التشويهات المقدَّرة في حقل عالمي واحد يُنقَّح خطوة بخطوة مع الحفاظ على الاتساق المكاني.

العمل مع بيانات دماغية واقعية

اختبر المؤلفون PatchMorph على مجموعتي بيانات متطلبتين: مسحات رنين مغناطيسي T1 بشرية من مشروع MindBoggle وصور دماغية عالية الدقة للمارموسيت من مجهر ثنائي الفوتون التسلسلي. تختلف هذه الصور في أبعاد المصفوفة والتوجيه وأحياناً تباعد الفوكسل—ظروف تضغط على الشبكات التقليدية. طابق PatchMorph أو تفوق على أساليب التسجيل بالتعلّم العميق المتطورة من حيث التداخل بين المناطق الدماغية المعلّمة، مع معدلات منخفضة جداً من الأخطاء الطوبولوجية (طيّات غير واقعية في حقل التشويه). والأهم، عند التدريب مع هياكل أساسية مبنية على المحوّلات (transformers)، خفّض PatchMorph الذاكرة المطلوبة لصور بحجم 256³ فوكسل من نحو 40 غيغابايت إلى أقل من 10 غيغابايت، بدون التضحية بالدقّة.

السرعة والمقايضات والاستخدامات المستقبلية

بما أن PatchMorph يحتاج لاستخراج وإعادة تجميع العديد من الشرائح، فهو أبطأ بعض الشيء أثناء الاستدلال مقارنة بشبكات المعالجة الواحدة للحجم الكامل، وإن ظل أسرع بكثير من الأدوات التقليدية التكرارية. بالمقابل، يمكنه معالجة صور كبيرة وعالية الدقة ومأخوذة بكثافات غير متساوية مباشرة في فضائها الأصلي، ويمكنه إعادة استخدام مجموعة متنوعة من الهياكل الأساسية، من شبكات التفاف بسيطة إلى محوّلات متقدمة. هذا يجعل من الأسهل إدخال نماذج التعلّم العميق القوية إلى دراسات تصوير الدماغ الواقعية التي كانت سابقاً تفوق سعة الذاكرة. عملياً، يبيّن PatchMorph أنه بالتفكير على مستوى الشرائح بدلاً من الأحجام الكاملة، يمكن للباحثين محاذاة بيانات دماغية ثلاثية الأبعاد مركّبة بدقّة وكفاءة وبمقاييس كانت سابقاً بعيدة المنال.

الاستشهاد: Skibbe, H., Byra, M., Watakabe, A. et al. Memory efficient training for 3D brain image registration networks using PatchMorph. Sci Rep 16, 14386 (2026). https://doi.org/10.1038/s41598-026-44858-x

الكلمات المفتاحية: تسجيل صور الدماغ, التعلّم العميق, التصوير الطبي, رنين مغناطيسي ثلاثي الأبعاد, PatchMorph