MambaBack: حل مبتكر يجمع بين الخصائص المحلية والسياقات العالمية في تحليل الصور الكبيرة

يشهد مجال تحليل الصور الكبيرة (Whole Slide Image Analysis) تحولًا كبيرًا بفضل الابتكارات التكنولوجية مثل MambaBack، وهو نموذج جديد يتحدى الطرق التقليدية المستخدمة في تشخيص السرطان. يُعد تحليل الصور الكبيرة أمرًا حيويًا في علم الأمراض الحاسوبي، حيث يعزز من دقة تشخيص السرطان عبر دمج المعلومات المعمارية والمورفولوجية عبر مستويات تكبير مختلفة.

في ظل ذلك، تعد تقنيات التعلم متعدد الحالات (Multiple Instance Learning - MIL) الأداة القياسية المستخدمة، ولكن Mamba أثبت فعاليته كخلفية قوية لتطبيقات MIL هذا التقدم. تفوق Mamba على تقنيات Transformers بفضل كفاءته العالية وقدرته على نمذجة السياقات العالمية مستمدة من معالجة اللغة الطبيعية (Natural Language Processing - NLP).

ومع ذلك، تواجه الأساليب القائمة على Mamba ثلاثة تحديات رئيسية؛ 1) حدوث اضطرابات في المكان إلى المكان الثنائي الأبعاد خلال عملية تسطيح التسلسل أحادي البعد؛ 2) نموذج غير مثالي للهياكل الخلوية المحلية المعقدة؛ و 3) ذروة في استخدام الذاكرة خلال الاستدلال على الأجهزة المحدودة الموارد.

تشير دراسات مثل MambaOut إلى أن مكون SSM في Mamba يصبح زائداً عند استخراج الخصائص المحلية، حيث يكفي استخدام CNNs المحصورة (Gated CNNs). إدراكًا للحاجة إلى تحليل الصور الكبيرة الذي يتطلب استخراج خصائص محلية دقيقة مثل الصور الطبيعية، ونمذجة السياق العالمي على نحو مشابه للـ NLP، تم اقتراح MambaBack، وهو بنية هجينة جديدة تجمع بين قوة Mamba وMambaOut.

من خلال استخدام استراتيجية عينة هيلبرت (Hilbert sampling)، يتم الحفاظ على المكان الثنائي الأبعاد للصفائح ضمن تسلسلات أحادية البعد، مما يعزز من فهم النموذج للمساحات. كما تم تصميم هيكل هرمي يضم كتلة CNNs مفصولة عن طريق MambaOut لالتقاط الخصائص الخلوية المحلية، وكتلة BiMamba2 لجمع السياق العالمي، مما يعزز من تمثيل متعدد المقاييس.

أخيرًا، تم تنفيذ تصميم مقسم غير متماثل، مما يسمح بالمعالجة المتوازية أثناء التدريب وتراكم تدفق التقسيم أثناء الاستدلال، مما يقلل من الاستخدام الذروي للذاكرة أثناء النشر. أظهرت النتائج التجريبية على خمسة مجموعات بيانات تفوق MambaBack على سبع طرق حديثة.

المصدر: يتم توفير الشيفرة المصدرية والمجموعات البيانات بشكل علني، مما يسهل على الباحثين والمطورين الاستفادة من هذا الابتكار الرائد.