AtGCN: A Graph Convolutional Network For Ataxic Gait Detection
تقدم هذه الورقة البحثية AtGCN، وهي شبكة تلافيفية رسومية خفيفة الوزن تستفيد من التدريب المسبق، وتجزئة دورة المشية، والتلافيف الزمكانية المتخصصة لتحقيق دقة متطورة في اكتشاف وتصنيف مشية الرنح من مجموعات بيانات الفيديو ثنائية الأبعاد صغيرة النطاق.
البحث الأصلي مرخَّص بموجب CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل
تخيل أنك طبيب يحاول رصد نوع معين من مشاكل المشي يسمى الترنح (Ataxia). يجعل الترنح مشية الشخص تبدو مهتزة، غير متناسقة، وكأنها مشية شخص "ثمل"، حتى لو لم يكن قد شرب شيئاً. وينتج هذا عن وجود مشكلات في مركز التوازن في الدماغ.
المشكلة هي أن الفرق بين المشية "السليمة" والمشية "الترنحية" دقيق للغاية. الأمر يشبه محاولة التمييز بين توأمين يرتديان نفس الزي؛ عليك أن تنظر بدقة شديدة إلى حركاتهما الصغيرة لتعرف من هو من.
علاوة على على ذلك، لا يمتلك الأطباء سوى عدد قليل من مقاطع الفيديو لأشخاص يعانون من هذه الحالة لدراستها. الأمر يشبه محاولة تعلم كيفية التعرف على طائر نادر بعد أن رأيته بضع مرات فقط في كتاب صور.
يقدم هذا البحث برنامجاً حاسوبياً جديداً يسمى AtGCN (الشبكة التلافيفية الرسومية للترنح) لحل هذه المشكلة. وإليك كيف يعمل، مشروحاً ببساطة:
1. تحويل الفيديو إلى "رجل عصوي" يرقص
أولاً، يشاهد الكمبيوتر فيديو لشخص يمشي. وبدلاً من النظر إلى الشخص ككل كما تفعل الكاميرا العادية، فإنه يستخدم أداة خاصة (OpenPose) لتحويل الشخص إلى رجل عصوي (Stick Figure) رقمي. يقوم بتتبع 18 نقطة رئيسية مثل الكتفين، المرفقين، الركبتين، والكاحلين.
2. تقطيع الفيلم إلى "خطوات"
فيديو لشخص يمشي هو فيديو طويل ومتكرر. يقوم النظام بتقطيع هذا الفيديو إلى قطع صغيرة ومثالية تسمى دورات المشي (Gait Cycles). فكر في دورة المشي كأنها "خطوة" واحدة كاملة من لحظة اصطدام قدمك اليسرى بالأرض حتى اصطدامها بالأرض مرة أخرى. يقوم النظام بعزل هذه الخطوات المنفردة لدراستها عن كثب، متجاهلاً بقية الفيديو.
3. بناء "شبكة عنكبوت" من الروابط
هنا يحدث السحر. النظام لا ينظر إلى الرجل العصوي كمجرد صورة مسطحة. بل يحول كل خطوة إلى شبكة عنكبوت ثلاثية الأبعاد (رسم بياني/Graph).
- العُقد (Nodes): النقاط الموجودة على الشبكة هي أجزاء الجسم (الركبتين، الوركين، إل_خ).
- الخيوط (Strings): الخطوط التي تربط بينها تمثل كيفية اتصال أجزاء الجسم ببعضها جسدياً (مثل اتصال ركبتك بوركك).
- السفر عبر الزمن: الشبكة تربط أيضاً نفس جزء الجسم من لحظة إلى أخرى (مثل ربط ركبتك اليسرى في الثانية الأولى بركبتك اليسرى في الثانية الثانية).
هذا يخلق خريطة لا توضح فقط أين توجد أجزاء الجسم، بل كيف تتحرك معاً بمرور الوقت.
4. "الطالب الذكي" (تعلم النقل)
هنا تكمن العقبة الأكبر: لم يمتلك الباحثون سوى 149 فيديو لتدريب الذكاء الاصطناوي الخاص بهم. هذا يشبه محاولة تعليم طالب ليكون طباخاً ماهراً باستخدام ثلاث وصفات فقط. إذا حاولت تعليم ذكاء اصطناعي معقد من الصفر باستخدام هذا القدر الضئيل من البيانات، فسوف يفشل.
الحل: استخدموا نهج "الطالب الذكي".
- أخذوا ذكاءً اصطناعياً ضخماً وذكياً جداً كان قد تعلم بالفعل التعرف على آلاف الحركات البشرية المختلفة (مثل الرقص، القفز، والجري) من مجموعة بيانات هائلة.
- قاموا بتقليم (Trimmed) هذا الذكاء الاصطناعي الضخم، حيث قصوا الأجزاء التي كانت شديدة التعقيد بالنسبة لمجموعة البيانات الصغيرة.
- ثم قاموا بضبطه بدقة (Fine-tuning) باستخدام فيديوهات الترنح الصغيرة. الأمر يشبه أخذ طباخ ماهر يعرف كيف يطبخ كل شيء، وتعليمه خصيصاً كيف يصنع نوعاً واحداً من الحساء بشكل مثالي.
5. النتائج: محقق صغير لكنه قوي
النتيجة هي AtGCN، وهو نموذج صغير وفعال (أصغر بـ 5.5 مرة من النماذج السابقة) ودقيق للغاية.
- الكشف: يمكنه التمييز بين المشية السليمة والمشية الترنحية بدقة تتراوح بين 93% إلى 99%.
- الشدة: يمكنه أيضاً تخمين مدى سوء الحالة (خفيفة، متوسطة، أو شديدة) بدقة عالية جداً.
لماذا يهم هذا؟
في السابق، كان على الأطباء الاعتماد على أعينهم وخبرتهم لرصد هذه المشاكل الدقيقة في المشي، وهو أمر قد يكون ذاتياً ومرهقاً. يعمل هذا النظام كمساعد فائق القدرة يمكنه النظر في فيديو في ممر مستشفى والقول: "هذا الشخص لديه مشكلة في المشي، وهذا هو بالضبط مدى شدتها".
باختد، صمم البحث محققاً ذكياً وصغيراً من الذكاء الاصطناعي يحول فيديوهات المشي إلى شبكات عنكبوت متحركة، ويتعلم من ذكاء اصطناعي "سيد"، ويمكنه رصد مشكلة مشي دقيقة قد تغيب حتى عن الأعين البشرية.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.