Synthetic Melanoma Image Generation and Evaluation Using Generative Adversarial Networks
تقدم هذه الورقة دراسة معيارية منهجية تثبت أن صور الميلانوما الاصطناعية المولدة بواسطة StyleGAN2، والتي تحافظ على الميزات ذات الصلة تشخيصياً ويصعب على أطباء الجلد تمييزها عن الصور الحقيقية، تخفف بفعالية من عدم توازن الفئات وتحسن أداء الكشف عن الميلانوما عند استخدامها لتعزيز البيانات.
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 تحاول تعليم روبوت كيفية رصد متسلل خطير (سرطان الجلد - الميلانوما) في غرفة مزدحمة بالزوار الأبرياء (الشامات الحميدة). المشكلة؟ هؤلاء المتسللون نادرون للغاية. فمقابل كل 100 شخص في الغرفة، قد يوجد اثنان فقط من المتسللين. إذا عرضت على الروبوت الصور الحقيقية التي تملكها فقط، فسيصاب بالارتباك؛ سيبدأ بالتفكير: "أوه، الجميع يبدو كزائر بريء"، لأنه لم يرَ ما يكفي من المتسللين ليتعلم شكلهم الحقيقي.
هذه هي المشكلة الكبيرة التي يواجهها الأطباء وباحثو الذكاء الاصطناعي في اكتشاف سرطان الجلد: لا توجد ببساطة صور كافية للميلانوما لتدريب الحواسيب الذكية.
هذه الورقة البحثية تشبه مسابقة طبخ حيث يحاول أربعة طهاة مختلفين (نماذج ذكاء اصطناعي) خبز كعكات مزيفة ولكنها تبدو مثالية (صور ميلانوما اصطناعية) لملء نظام الغذاء التدريبي للروبوت. الهدف ليس خداع الناس بجعلهم يأكلون كعكة مزيفة، بل هو إعطاء الروبوت قدرًا كافيًا من "الممارسة" ليصبح خبيرًا في رصد الشيء الحقيقي.
إليك تفاصيل ما فعلوه، باستخدام بعض التشبيهات من الحياة اليومية:
1. المتسابقون (طهاة الذكاء الاصطناعي)
اختبر الباحثون أربعة "وصفات" مختلفة (بنيات الذكاء الاصطناعي) لمعرفة أي منها يمكنه خبز صور ميلانوما مزيفة ولكن واقعية بدقة عالية (512×512 بكسل، وهو ما يشبه صورة عالية الدقة):
- DCGAN: الطاهي التقليدي القديم. لقد حاول، لكن الكعكات خرجت باهتة بعض الشيء وتفتقر إلى التفاصيل الدقيقة (مثل ملمس الشامة المحدد).
- StyleGAN3 (نسختان): الطهاة العصريون الأنيقون. كانوا جيدين جدًا في التقاط تنوع الكعكات، لكن إحدى النسخ استمرت في إضافة خطوط شبكية غريبة وغير مرئية على الكريمة (عيوب تقنية)، بينما جعلت النسخة الأخرى كعكات تبدو رائعة بشكل فردي ولكنها جميعًا تبدو متطابقة تمامًا (تفتقر إلى التنوع).
- StyleGAN2: الطاهي الذي وجد التوازن المثالي. لم يكن الأكثر بهرجة، لكنه وجد التوازن المطلوب؛ فقد خبز كعكات تبدو حقيقية للغاية، وتمتلك جميع الملامس الصحيحة، ولم تكن تحتوي على أي عيوب غريبة.
2. اختبار التذوق (كيف حكموا على الكعكات)
كيف تعرف أن الكعكة المزيفة جيدة؟ لا تكتفي بمجرد النظر إليها؛ بل تختبرها بثلاث طرق:
- اختبار الرياضيات (درجة FID): استخدموا برنامج حاسوبي لقياس مدى قرب "ملف النكهة" للكعكات المزيفة من الكعكات الحقيقية. الدرجات الأقل تعني أن الكعكات المزيفة كانت أكثر تشابهًا مع الحقيقية. وقد سجل StyleGAN2 أفضل نتيجة.
- اختبار الروبوت (المصنف المجمد): أخذوا روبوتًا ذكيًا جدًا تعلم بالفعل كيفية رصد الميلانوما الحقيقية من الصور الحقيقية، وعرضوا عليه الكعكات المزيفة. إذا قال الروبوت: "هذا يبدو كميلانوما!"، فهذا يعني أن الكعكة المزيفة كانت مقنعة بما يكفي لخداع خبير آلي. لقد نجحت الكعكات من نوع StyleGAN2 في خداع الروبوت بنسبة 83%.
- الاختبار البشري (أطباء الجلد): كان هذا هو الاختبار النهائي. عرضوا 200 صورة (100 حقيقية و100 مزيفة) على طبيبين متخصصين في الجلد. كان على الأطباء تخمين أي منها حقيقي وأيها مزيف.
- النتيجة: أصاب الأطباء في تخمينهم بنسبة 66.5% فقط. وبما أنهم كانوا يخمنون بشكل عشوائي، كان ينبغي أن يصيبوا بنسبة 50% فقط. وهذا يعني أن الصور المزيفة كانت جيدة جدًا لدرجة أن الخبراء واجهوا صعوبة في التمييز بينها وبين الحقيقية!
3. العائد (لماذا يهم هذا الأمر)
الجزء الأكثر إثارة في الورقة البحثية هو ما حدث عندما استخدموا هذه الكعكات المزيفة لتدريب روبوت جديد.
- قبل: تم تدريب الروبوت على الصور الحقيقية فقط. ولأن صور الميلانوما كانت قليلة جدًا، كان الروبوت سيئًا في رصدها (كان يفوت الكثير منها).
- بعد: أضافوا آلاف الصور المزيفة للميلانوما من نوع StyleGAN2 إلى المزيج التدريبي. فجأة، أصبح لدى الروبوت "نظام غذائي" أفضل بكثير.
- النتيجة: تحسنت قدرة الروبوت على رصد الميلانوما الحقيقية بشكل كبير. لقد أصبح أفضل بكثير في العثور على المتسللين الخطيرين في الزحام.
الخلاصة الكبرى
فكر في هذا الأمر كأنه جهاز محاكاة للطيران. لا يمكنك تدريب طيار على التعامل مع العاصفة من خلال الطيران في طقس مثالي فقط؛ فأنت بحاجة إلى محاكي ينشئ عاصفة واقعية.
تثبت هذه الورقة أن StyleGAN2 هو أفضل جهاز محاكاة للميلانوما. يمكنه إنشاء "عواصف مزيفة" (صور ميلانوما اصطناعية) واقعية جدًا لدرجة أنها لا تخدع العين، لكنها تُعلم الكمبيوتر كيفية النجاة من العاصفة الحقيقية.
باختصار: من خلال استخدام الذكاء الاصطناعي لتوليد صور مزيفة ولكن مثالية لسرطان الجلد، حل الباحثون مشكلة "عدم كفاية البيانات"، مما يجعل أطباء المستقبل القائمين على الذكاء الاصطناعي أفضل بكثير في إنقاذ الأرواح.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.