Deeply Dual Supervised learning for melanoma recognition
تقترح هذه الورقة إطار عمل جديد للتعلم الخاضع للإشراف المزدوج العميق يدمج استخراج الميزات المحلية والعالمية مع آلية انتباه مزدوجة وتجميع متعدد المقاييس لتحسين دقة التعرف على الميلانوما بشكل كبير وتقليل الإيجابيات الكاذبة مقارنة بالأساليب الرائدة الحالية.
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
الصورة الكبيرة: البحث عن الإبرة في كومة القش
تخدّل أنك تنظر إلى لوحة معقدة لغابة. هدفك هو العثور على طائر محدد، صغير الحجم ومموه قليلاً، مختبئ بين الأوراق. إذا نظرت بدقة شديدة إلى ورقة واحدة فقط، فقد تفوتك رؤية الطائر لأنك لا تستطيع رؤية الشجرة بأكملها. ولكن إذا نظرت فقط إلى الغابة بأكملها من بعيد، فقد تفوتك رؤية الطائر لأنه يندمج جيداً مع الأوراق.
هذه هي المشكلة التي يواجهها الأطباء مع الميلانوما (نوع خطير من سرطان الجلد). فهي غالباً ما تبدو مشابهة جداً للشامات الحميدة، والقرائن التي تميز بينهما دقيقة للغاية.
تقدم هذه الورقة البحثية برنامج كمبيوتر جديد (ذكاء اصطناعي) صُمم ليكون "مراقب طيور" فائق القدرة. فهو لا ينظر إلى الجلد فحسب؛ بل ينظر إلى الجلد بطريقتين مختلفتين في نفس الوقت لضمان عدم تفويت أي شيء.
المشكلة: لماذا تخطئ الحواسيب القديمة؟
البرامج الحاسوبية السابقة (مثل "الشبكة التلافيفية الكاملة" أو FCN المذكورة في الورقة) تشبه المحقق الذي يمتلك زوجاً واحداً فقط من النظارات.
- أحياناً يرتدي عدسات مكبرة لرؤية التفاصيل الدقيقة (مثل شعرة واحدة أو بقعة لون صغيرة).
- وأحياناً يرتدي عدسات واسعة الزاوية لرؤية الصورة الكبيرة (شكل الشامة بالكامل).
المشكلة هي أنهم عادة ما يتعين عليهم الاختيار بينهما. إذا ركزوا على التفاصيل الدقيقة، فقد يصابون بالارتباك بسبب "الضجيج" (التفاصيل غير المهمة). وإذا ركزوا على الصورة الكبيرة، فقد تفوتهم القرائن الصغيرة والخطيرة التي تميز الشامة الخبيثة عن الحميدة.
الحل: "فريق التحقيق المكون من شخصين"
ابتكر المؤلفون نظاماً جديداً يسمى التعلم الإشرافي المزدوج العميق (DDSL). فكر في هذا ليس كمحقق واحد، بل كـ فريق تحقيق مكون من شخصين يعملان معاً على نفس القضية.
1. المساران (الفريق)
يمتلك الذكاء الاصطناعي "مسارين" أو "تدفقين" للتفكير يعملان في وقت واحد:
- محقق "التفاصيل الدقيقة" (المسار التوسعي الأصلي): هذا الشخص يقترب جداً. ينظر إلى حواف الشامة، ملمس الجلد، وتغيرات اللون الطفيفة. إنه بارع في رسم الخطوط الخارجية الدقيقة للبقعة.
- محقق "الصورة الكبيرة" (المسار التوسعي المساعد): هذا الشخص يتراجع للخلف. ينظر إلى الشكل العام وكيف تقع الشامة ضمن الجلد المحيط بها. هو يوفر السياق، مثل قوله: "مهلاً، هذا الشكل يبدو مشبوهاً مقارنة ببقية الجلد".
كيف يساعدان بعضهما البعض: يقوم محقق "الصورة الكبيرة" بإعطاء تلميحات لمحقق "التفاصيل الدقيقة" في مرحلة مبكرة. وهذا يساعد الفريق على التركيز على المواضع الصحيحة قبل أن يبدأوا في التكبير. الأمر يشبه مدرب يصرخ: "انظر هناك!" حتى لا يضيع اللاعب وقته في النظر إلى الجزء الخطأ من الملعب.
2. تسليط الضوء (آلية الانتباه)
حتى مع وجود محققين، فإن صورة الجلد مليئة بالمشتتات (مثل الشعر، الظلال، أو الحبر من قلم). تضيف الورقة نظام تسليط ضوء خاص (يسمى الانتباه الذاتي متعدد الأبعاد).
تخيل أن الذكاء الاصطناعي في غرفة مظلمة مليئة بالفوضى. يقوم نظام تسليط الضوء تلقائياً بتسليط ضوء ساطع فقط على الأجزاء المهمة من الصورة (الشامة المشبوهة) ويخفت الأضواء عن كل شيء آخر (الضجيج). هذا يضمن عدم تشتت الكمبيوتر بالتفاصيل غير ذات الصلة.
3. الأداة متعددة الاستخدامات (التلافيف متعددة المقاييس المتتالية)
تأتي الميلانوما بأحجام مختلفة؛ بعضها ضخم، وبعضها مجرد نقاط صغيرة.
تمنح الورقة الذكاء الاصطناعي أداة متعددة الاستخدامات (Cascade Multi-Scale Convolution). تخيل سكيناً سويسرياً يحتوي على مفك براغي صغير، وسكين متوسط، ومنشار كبير، كلهم في أداة واحدة.
- الأداة الصغيرة تلتقط أصغر البقع التي يصعب رؤيتها.
- الأداة المتوسطة تلتقط الأنماط متوسطة الحجم.
- الأداة الكبيرة تفهم السياق الكبير.
يستخدم الذكاء الاصطناعي كل هذه الأدوات في وقت واحد لضمان قدرته على رصد السرطان سواء كان نقطة صغيرة أو بقعة كبيرة.
النتائج: ما مدى جودة أدائهم؟
اختبر المؤلفون هذا "الفريق المكون من شخصين" مقابل "المحقق الفردي" القديم (نموذج FCN القياسي) باستخدام مجموعة ضخمة من صور الجلد لأشخاص مختلفين.
- الدرجة: سجل الفريق الجديد درجات أعلى بكثير. إذا كان النموذج القديم يشبه طالباً حصل على 75% في الاختبار، فقد حصل الفريق الجديد على 87%.
- الحالات الصعبة: كان الفريق الجديد بارعاً بشكل خاص في العثور على الميلانوما لدى الأشخاص ذوي البشرة الداكنة. كانت النماذج القديمة تعاني هنا غالباً لأن التباين يكون أقل (من الصعب رؤية الفرق بين الشامة والجلد). ساعد "تسليط الضوء" و"الأداة متعددة الاستخدامات" الفريق الجديد على الرؤية بوضوح حتى عندما كانت الألوان متشابهة.
- الموثوقية: ارتكب الفريق الجديد أخطاء أقل في الحالات التي غفل فيها عن السرطان (السلبيات الكاذبة). من الناحية الطبية، هذا أمر بالغ الأهمية لأن تفويت حالة سرطان أسوأ بكثير من فحص شامة حميدة.
الملخص
باختختصار، تقول هذه الورقة: "للعثور على سرطان الجلد الخطير، لا تستخدم طريقة واحدة فقط للنظر. استخدم فريقاً ينظر إلى كل من التفاصيل الدقيقة والصورة الكبيرة في آن واحد، ويستخدم تسليط الضوء لتجاهل المشتتات، ويستخدم أداة متعددة الاستخدامات للتعامل مع البقع بجميع أحجامها".
لقد أثبت هذا النهج أنه أفضل بكما في رصد الميلانوما بدقة عبر مختلف أنواع البشرة والأعمار مقارنة بالطرق المستخدمة سابقاً.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.