3D AGSE-VNet: إطار عمل تلقائي لتقسيم بيانات التصوير بالرنين المغناطيسي للورم الدماغي

الخلفية: يُعدّ الورم الدماغي من أكثر الأورام الخبيثة شيوعًا في الدماغ، ويمتلك معدل إصابة مرتفع ونسبة وفيات تزيد عن 3٪، مما يشكل تهديدًا كبيرًا للصحة البشرية. في الممارسة السريرية، يُعتمد في الحصول على صور الأورام الدماغية بشكل رئيسي على التصوير بالرنين المغناطيسي (MRI). يُعدّ تقسيم مناطق الورم الدماغي من صور التصوير بالرنين المغناطيسي متعددة النماذج مفيدًا في مراقبة العلاج، والفحوصات بعد التشخيص، وتقييم فعالية العلاج لدى المرضى. ومع ذلك، لا يزال التصنيف اليدوي هو الطريقة الشائعة في التصنيف السريري لآفات الورم الدماغي، مما يؤدي إلى استهلاك وقت طويل، وتباين كبير في الأداء بين المُصنّفين المختلفين، وبالتالي يُعدّ وجود طريقة تلقائية متسقة ودقيقة لتصنيف الورم الدماغي أمرًا ملحًا.الطرق: لمواجهة التحديات المذكورة أعلاه، نقترح إطارًا تلقائيًا لتصنيف بيانات التصوير بالرنين المغناطيسي للورم الدماغي، يُسمّى AGSE-VNet. في دراستنا، تم إدخال وحدة التضييق والتحفيز (Squeeze and Excite - SE) في كل مُشفّر (encoder)، كما تم إضافة وحدة المرشح الموجه بالانتباه (Attention Guide Filter - AG) في كل مُفكّك (decoder). ويهدف هذا التصميم إلى تحسين التمثيلات المفيدة في القنوات من خلال استغلال العلاقات بين القنوات، وقمع المعلومات غير الضرورية، بينما تُستخدم آلية الانتباه لتوجيه المعلومات الحدودية وحذف تأثير المعلومات غير المرتبطة مثل الضوضاء.النتائج: تم تقييم النهج المقترح باستخدام أداة التحقق عبر الإنترنت من مسابقة BraTS2020. وتركزت نتائج التحقق على معايير دايك (Dice) حيث بلغت قيمتها 0.68 و0.85 و0.70 على التوالي بالنسبة للورم الكامل (WT) والجزء النووي للورم (TC) والورم المُعزز (ET).الاستنتاج: على الرغم من التباين في شدة الإشارات في صور التصوير بالرنين المغناطيسي، فإن نموذج AGSE-VNet لا يتأثر بحجم الورم، ويمكنه استخلاص السمات الخاصة بالثلاث مناطق الثلاثة بدقة أعلى. وقد حقق النموذج نتائج مُبهرة، وساهم بشكل بارز في تحسين التشخيص والعلاج السريري للمرضى المصابين بأورام دماغية.