Weakly Supervised Pneumonia Localization from Chest X-Rays Using Deep Neural Network and Grad-CAM Explanations
تقترح هذه الدراسة إطار عمل للتعلم العميق تحت الإشراف الضعيف يستفيد من التصنيفات على مستوى الصورة وتقنية Grad-CAM لتحقيق تصنيف عالي الدقة للالتهاب الرئوي وتوليد خرائط حرارية للتحديد ذات دلالة سريرية من صور الأشعة السينية للصدر دون الحاجة إلى تعليقات توضيحية مكلفة على مستوى البكسل.
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 العثور على التهاب رئوي في صورة أشعة سينية لصدر مريض. عادةً، لتعليم الكمبيوتر القيام بذلك، سيتعين عليك الجلوس ورسم دائرة يدوياً حول كل بقعة من بؤر العدوى في آلاف الصور. هذا يشبه محاولة تعليم طفل التعرف على التفاح من خلال جعله يتتبع الخط الخارجي لكل تفاحة في متجر بقالة — الأمر يستغرق وقتاً طويلاً ومكلفاً للغاية.
يقترح هذا البحث طريقة أذكى وأسرع لتعليم الكمبيوتر، ثم يوضح كيفية التأكد من أن الكمبيوتر ينظر بالفعل إلى الأماكن الصحيحة.
المشكلة: "الصندوق الأسود" والمعلم المكلف
معظم نماذج الذكاء الاصطناعي تشبه "الصناديق السوداء". أنت تغذيهم بصورة أشعة سينية، فيقولون لك "التهاب رئوي"، لكنهم لا يستطيعون شرح لماذا. قد يكونون ينظرون إلى الجزء الخطأ من الصورة، مثل حافة الطاولة التي التُقطت عليها الأشعة، بدلاً من الرئتين.
ولإصلاح ذلك، يحتاج الباحثون عادةً إلى تلك الدوائر المرسومة يدوياً (التوصيفات على مستوى البكسل) لإظهار مكان المرض بدقة للذكاء الاصطناعي. لكن المؤلفين أرادوا تجنب هذه التكلفة.
الحل: خدعة "قلم التحديد"
بدلاً من رسم الدوائر، استخدم المؤلفون طريقة تسمى التعلم الخاضع للإشراف الضعيف (Weakly Supervised Learning).
- التشبيه: تخيل أنك تعلم طالباً كيفية العثور على نوع معين من السحب. بدلاً من رسم دائرة حول كل سحابة، تقول فقط: "هذه الصورة تحتوي على سحابة عاصفة"، و"هذه السحابة صافية".
- الأداة: استخدموا أداة تسمى Grad-CAM. فكر في Grad-CAM كأنه قلم تحديد سحري. بمجرد أن يضع الذكاء الاصطناعي تخميناً، يعود Grad-CAM ليحدد المناطق المحددة في الأشعة السينية التي جعلت الذكاء الاصطناعي يقول "التهاب رئوي". إذا سطع التحديد بقوة على الرئتين، فمن المرجح أن الذكاء الاصطناعي على صواب. أما إذا سطع على الكتف أو الخلفية، فالذكيز الاصطناعي مرتبك.
التجربة: سباق السبعة روبوتات
لم يكتفِ المؤلفون ببناء ذكاء اصطنا واحد؛ بل بنوا مضمار سباق يضم سبعة أنواع مختلفة من "الروبوتات" (الشبكات العصبية) لمعرفة أيهم الأفضل في هذه المهمة.
- المتسابقون: شملوا نماذج شهيرة مثل ResNet و EfficientNet و MobileNet، وحتى نوعاً أحدث يسمى "Vision Transformer" (والذي يعمل بشكل يشبه كيفية قراءة البشر للجمل أكثر من كيفية رؤية الحواسيب التقليدية للصور).
- القواعد: لجعل السباق عادلاً، عاملوا جميع الروبوتات بنفس الطريقة تماماً. أعطوهم نفس بيانات التدريب، ونفس قواعد التعلم، وتأكدوا من أن أي روبوت لم "يغش" برؤية الأشعة السينية لنفس المريض في كل من جولة التدريب والاختبار النهائي.
النتائج: من فاز؟
- الروبوتات السريعة: كانت الروبوتات الأصغر والأخف (مثل MobileNet-V3) سريعة وفعالة للغاية. يمكنها العمل على أجهزة صغيرة (مثل هاتف أو ماسح ضوئي محمول) دون الحاجة إلى كمبيوتر خارق.
- العمالقة: كانت الروبوتات الأكبر والأعمق (مثل ResNet-18 و EfficientNet-B0) هي الأكثر دقة، حيث أصابت في حوالي 98% من الحالات.
- المفاجأة: حتى روبوت "الترانسفورمر" الجديد أدى بشكل جيد جداً، مما يثبت أن هذه النماذج المعقدة يمكن أن تعمل أيضاً مع الصور الطبية.
النتيجة الرئيسية: كانت جميع الروبوتات ممتازة في قول "نعم، هذا التهاب رئوي" أو "لا، هذا طبيعي". لكن السحر الحقيقي كان في قلم التحديد (Grad-CAM). فعندما نظر المؤلفون إلى الصور المحددة، رأوا أن الروبوتات تركز بالفعل على الرئتين والبقع الضبابية المصابة، وليس على ضوضاء عشوائية. وهذا يثبت أن الذكاء الاصطناعي "يفكر" مثل الطبيب، وليس مجرد تخمين.
الخلاصة
يظهر هذا البحث أنك لست بحاجة إلى خرائط مكلفة مرسومة يدوياً لتعليم الذكاء الاصطناعي كيفية العثيد على الالتهاب الرئوي. يمكنك فقط إعطاؤه تسمية بسيطة ("مريض" أو "سليم")، واستخدام أداة تحديد للتحقق مما إذا كان ينظر في المكان الصحيح.
وجدوا أن MobileNet-V3 هو الأفضل كـ "لاعب شامل" لأنه سريع، ومنخفض التكلفة في التشغيل، ودقيق جداً في الوقت ذات ذاته. وهذا يعني أنه يمكننا تقنياً وضع هذه التكنولوجيا على جهاز كمبيوتر محمول أو جهاز محمول في العيادة لمساعدة الأطباء في رصد الالتهاب الرئوي بسرعة، دون الحاجة إلى خادم ضخم للقيام بالعمليات الحسابية.
باختصار: لقد علموا الذكاء الاصطناعي كيفية العثيد على الالتهاب الرئوي باستخدام تسميات بسيطة، وأثبتوا أن الذكاء الاصطناعي ينظر إلى الأماكن الصحيحة باستخدام "قلم تحديد"، ووجدوا نموذجاً خفيف الوزن يمكنه العمل في أي مكان لمساعدة الأطباء.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.