ترانس2يونيت: اندماج عصبي لتقطيع دلالي للنواة

رغم الدور الأساسي لتقسيم النوى في تحليل الصور الهيستوباثولوجية، يظل هذا المهمة تحديًا كبيرًا. ويعود السبب الرئيسي في هذا التحدي إلى وجود مناطق تداخلية، مما يجعل عملية فصل النوى المستقلة أكثر تعقيدًا. في هذا البحث، نقترح بنية ثنائية الفرع جديدة تُدمج بين شبكتي Unet و TransUnet لمعالجة مهمة تقسيم النوى. وتُسمى البنية المقترحة بـ Trans2Unet، حيث يتم أولاً إرسال الصورة المدخلة إلى الفرع الأول (Unet)، مع حذف الطبقة التلافيفية الأخيرة فيه. يساعد هذا الفرع الشبكة على دمج السمات من مناطق مكانيّة مختلفة في الصورة المدخلة، ويوفر تحديدًا دقيقًا أكثر للمناطق ذات الاهتمام. ويُرسل أيضًا نفس الصورة المدخلة إلى الفرع الثاني، والذي يُعرف بـ "فرع TransUnet"، حيث تُقسَّم الصورة إلى شرائح صغيرة. وباستخدام نموذج التحويل البصري (Vision Transformer - ViT) في البنية، يمكن لـ TransUnet أن يعمل كـ "مُشفِّر قوي" لمهمات تقسيم الصور الطبية، ويعزز التفاصيل في الصورة من خلال استعادة المعلومات المكانية الموضعية. ولتعزيز كفاءة وفعالية نموذج Trans2Unet، اقترحنا دمج TransUnet بوحدة محسّنة من حيث الكفاءة الحسابية تُسمى "وحدة التجميع المكاني المُتفرع (WASP-KC)"، والتي تُلهمت بوسيلة "WASP" (التجميع المكاني المُتفرع). أظهرت نتائج التجارب على معيار Data Science Bowl 2018 فعالية الأداء والكفاءة المُستمدة من البنية المقترحة مقارنةً بالنموذج السابقة في مهام التقسيم.