💻 computer science

DermaFlux: Synthetic Skin Lesion Generation with Rectified Flows for Enhanced Image Classification

يُعد DermaFlux إطار عمل توليديًا قائمًا على التدفق المصحح (rectified flow) يقوم بتخليق صور لآفات جلدية ذات أساس سريري من أوصاف لغوية طبيعية لمعالجة ندرة البيانات وعدم توازن الفئات، مما يعزز بشكل كبير أداء التصنيف الثنائي مقارنة بالأساليب القائمة على الانتشار (diffusion-based methods) الحالية.

المؤلفون الأصليون: Stathis Galanakis, Alexandros Koliousis, Stefanos Zafeiriou

نُشر 2026-03-18

📖 4 دقيقة قراءة☕ قراءة في استراحة قهوة

CC BY 4.0

المؤلفون الأصليون: Stathis Galanakis, Alexandros Koliousis, Stefanos Zafeiriou

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 كيف يكتشف سرطان الجلد. تريد للروبوت أن يكون طبيبًا خبيرًا للغاية، يستطيع النظر إلى شامة ما ويقول: "هذه خطيرة" أو "هذه غير ضارة".

المشكلة؟ الروبوت يتضور جوعًا للبيانات.

الصور الطبية الحقيقية لآفات الجلد صعبة المنال؛ فهي خاصة، ومحمية بقوانين خصوصية صارمة، وغالبًا ما لا يوجد منها عدد كافٍ — خاصة لأنواع السرطان النادرة. الأمر يشبه محاولة تعليم شخص ما التعرف على نوع معين من الطيور النادرة من خلال عرض ثلاث صور ضبابية فقط عليه. سيصاب الروبوت بالارتباك، وسيفقد الآفات الخطيرة، أو قد يصاب بالذعر من مجرد نمش غير ضار.

هنا يأتي دور DermaFlux. فكر في DermaFlux ليس كمصور فوتوغرافي، بل كمزور فني بارع، بارع جدًا في نسخ الواقع لدرجة أن النسخ لا يمكن تمييزها عن الأصل. ولكن بدلًا من نسخ اللوحات، هو يصنع آفات جلدية مزيفة لتدريب الروبوت.

إليك كيف يعمل، مقسمًا إلى مفاهيم بسيطة:

١. "الوصفة" مقابل "التخمين العشوائي"

معظم مولدات الصور بالذكاء الاصطناعي (مثل تلك التي تصنع صورًا مضحكة للقطط) تعمل بطريقة تشبه النحات الذي يبدأ بكتلة من الرخام ويبدأ بنحت قطع عشوائية حتى يظهر شكل ما. تسمى هذه العملية "الانتشار" (Diffusion). وهي عملية إبداعية، لكن النتيجة أحيانًا تكون فوضوية أو لا تتبع تعليمات الطبيب بدقة.

DermaFlux مختلف. فهو يستخدم ما يسمى "التدفق المصحح" (Rectified Flows).

التشبيه: تخيل أنك تحاول الانتقال من منزلك إلى منزل صديقك.
- الطريقة القديمة (الانتشار): أنت تقوم بجولة عشوائية، تصطدم بالأشجار، وتدور في حلقات مفرغة، وتأمل أن تجد الشارع الصحيح في النهاية.
- طريقة DermaFlux (التدفق المصحح): يتم إعطاؤك مسار قطار سريع ومستقيم ينطلق مباشرة من منزلك إلى منزل صديقك. لا توجد انحرافات، ولا ارتباك. إنه مسار مباشر وفعال من "اللاشيء" (الضجيج) إلى "الصورة المثالية".

٢. "المترجم الطبي"

لجعل هذه الصور المزيفة مفيدة، يجب أن تبدو كحالات طبية حقيقية. لا يمكنك الاكتفاء بالقول: "اصنع شامة". بل يجب أن تقول: "اصنع شامة غير منتظمة، ذات حواف متعرجة، وثلاث درجات مختلفة من اللون البني".

استخدم الباحثون ذكاءً اصطناعيًا ذكيًا (Llama 3.2) ليعمل كـ مترجم طبي.

أخذوا آلاف الصور الحقيقية لآفات الجلد.
قام الذكاء الاصطناعي بفحصها وكتابة "وصفة" تفصيلية لكل واحدة، واصفًا بدقة مدى عدم تماثلها، وحوافها المتعرجة، وألوانها.
حول هذا الأمر صورة بسيطة إلى دليل تعليمات مهيكل.

٣. "المتدرب المتخصص"

أخذ الفريق نموذج ذكاء اصطناعي ضخم ومُدرب مسبقًا (Flux.1) وهو بارع بالفعل في صنع الصور. وبدلًا من إعادة تدريب "الدماغ العملاق" بالكامل (والذي قد يستغرق وقتًا طويلاً ويكلف ثروة)، استخدموا تقنية تسمى LoRA (التكيف منخفض الرتبة).

التشبيه: تخيل طباخًا عالميًا مشهورًا يعرف كيفية طهي كل شيء. أنت لست بحاجة لتعليمه كيفية الإمساك بالسكين أو تقطيع البصل. أنت فقط تعطيه بطاقة وصفة متخصصة لـ "مطبخ سرطان الجلد". هو يحتفظ بكل مهاراته الحالية ولكنه يتعلم التركيز خصيصًا على صنع شامات مثالية. هذه الطريقة سريعة، رخيصة، وفعالة للغاية.

٤. "صالة التدريب الرياضية"

الآن، أصبح لدى الفريق صالة رياضية مليئة بآفات الجلد المزيفة ولكن المثالية. يستخدمون هذه الآفات لتدريب "روبوت الطبيب" (المصنف).

النتيجة: عندما دربوا الروبوت باستخدام صور DermaFlux هذه، أصبح الروبوت أكثر ذكاءً بشكل ملحوظ.
إذا أعطوا الروبوت عددًا قليلًا جدًا من الصور الحقيقية (٢٥٠٠ صورة) وخلطوها مع الصور المزيفة، فإن دقة الروبوت قفزت بنسبة ٨٪ مقارنة بأفضل النماذج الأخرى.
كما كان أفضل بنسبة ٩٪ من الروبوتات التي تدربت على صور مزيفة مصنوعة بواسطة المولدات القديمة التي تعتمد أسلوب "الجولة العشوائية".

لماذا يهمنا هذا؟

فكر في الأمر كأنه جهاز محاكاة للطيران.

قبل ذلك: الطيارون (الأطباء/الذكاء الاصطناعي) لم يكن بإمكانهم التدرب إلا على عدد قليل من الرحلات الحقيقية. إذا واجهوا عاصفة غريبة (سرطان نادر)، فقد يسقطون.
الآن: يقوم DermaFlux بتوليد الملايين من "العواصف المثالية" و"أنماء الطقس الغريبة" التي تكون دقيقة طبيًا. يمكن للطيار التدرب آلاف المرات في جهاز المحاكاة. وعندما يركب الطائرة الحقيقية أخيرًا، يكون مستعدًا لأي شيء.

باختًا: DermaFlux هو آلة ذكية وفعالة تكتب أوصافًا طبية مفصلة وتحولها إلى آفات جلدية مزيفة وواقعية. إنه يسد الفجوات في بياناتنا، مما يسمما لأطباء الذكاء الاصطناعي بالتعلم بشكل أسرع، وارتكاب أخطاء أقل، وإنقاذ المزيد من الأرواح، كل ذلك دون الحاجة إلى انتهاك خصوصية أي شخص للحصول على المزيد من الصور الحقيقية.

إليك ملخص تقني مفصل لورقة البحث بعنوان "DermaFlux: توليد صور آفات جلدية اصطناعية باستخدام التدفقات المصححة لتعزيز تصنيف الصور."

1. بيان المشكلة

تواجه أنظمة تصنيف الآفات الجلدية عقبات كبيرة بسبب ندرة مجموعات البيانات السريرية الضخمة والمتنوعة والموسومة جيداً. وتشمل التحديات الرئيسية ما يلي:

ندرة البيانات والخصوصية: تضع اللوائح الأخلاقية والقانونية الصارمة قيوداً على توافر الصور الجلدية الحقيقية.
عدم توازن الفئات: تعاني مجموعات البيانات العامة غالباً من عدم التوازن بين الآفات الحميدة والخبيثة، مما يؤدي إلى ضعف التعميم في نماذج التعلم العميق.
قصور النماذج التوليدية الحالية: تواجه الحلول الحالية القائمة على نماذج الانتشار (مثل Stable Diffusion) صعوبات في:
- العشوائية: الاعتماد على إزالة الضجيج العشوائي يقلل من كفاءة أخذ العينات والحتمية.
  g. التحكم: صعوبة التحكم الدقيق في السمات ذات المعنى السريري (مثل عدم التماثل، وعدم انتظام الحدود، وتنوع الألوان) أثناء عملية التوليد.
- المحاذاة: ضعف المحاذاة الدلالية بين الأوصاف النصية والميزات البصرية المولدة بسبب سعة السياق المحدودة في مشفرات CLIP القياسية.

2. المنهجية

يقترح المؤلفون DermaFlux، وهو إطار عمل توليدي (نص-إلى-صورة) يعتمد على التدفقات المصححة (Rectified Flows) بدلاً من عمليات الانتشار.

أ. تنسيق مجموعة البيانات (أزواج الصور والنصوص)

لبناء النموذج، قام المؤلفون بإنشاء مجموعة بيانات واسعة النطاق، مفتوحة ومنسقة، تضم حوالي 508,344 زوجاً من الصور والنصوص مستمدة من مجموعات بيانات عامة (ISIC 2019–2024، Derm12345، PAD20، إلخ).

توليد التعليقات الوصفية: نظراً لأن البيانات الوصفية الأصلية كانت تفتقر إلى الواصفات المورفولوجية التفصيلية، استخدم المؤلفون Llama 3.2 (وهو نموذج لغوي بصري) لتوليد تعليقات وصفية مهيكلة.
البنية السريرية: صُممت المطالبات (Prompts) لتتبع معايير ABCDE الجلدية، مع التركيز بشكل خاص على عدم التماثل (Asymmetry)، وعدم انتظام الحدود (Border irregularity)، وتنوع الألوان (Color variation).
التحقق: قام خبراء سريريون بالتحقق من المعقولية الطبية للتعليقات الوصفية المولدة.

ب. بنية النموذج والتكيف

النموذج الأساسي (Backbone): بُني DermaFlux على نموذج Flux.1، وهو نموذج قائم على التدفق المصحح. وخلافاً لنماذج الانتشار التي تتعلم عملية إزالة الضجيج العشوائية، تتعلم التدفقات المصححة رسم خرائط نقل حتمية بين الضجيج الغاوسي ( $z_0$ ) وتوزيع البيانات ( $z_1$ ) عبر مسار استكمال خطي.
المشفرات: يستخدم Flux.1 مشفرات نصية مزدوجة (CLIP و T5-XXL)، مما يوفر سياقاً غنياً بالمؤشرات ومحاذاة أفضل بين النص والصورة مقارنة بنماذج الانتشار القياسية.
استراتيجية الضبط الدقيق: استخدم المؤلفون التكيف منخفض الرتبة (LoRA) لضبط نموذج Flux.1 المكون من 12 مليار معلمة.
- تم تحديث طبقات الانتباه (Attention layers) في المحول (Transformer) فقط (حوالي 612 مليون معلمة قابلة للتدريب).
- تم تجميد أوزان النموذج الأساسي للحفاظ على القدرة التوليدية العامة مع التكيف مع المجال الجلدي.
التدريب: تم تدريب النموذج لمدة خمس حقب (epochs) عبر ثلاثة دقات (resolutions) وهي (128×128، 256×256، 512×512) باستخدام عينة ODE مع 20 خطوة استكمال للاستدلال.

3. المساهمات الرئيسية

مجموعة بيانات مهيكلة: إنشاء مجموعة بيانات تضم أكثر من 500 ألف صورة-نص ذات تعليقات وصفية قائمة على أسس سريرية، تشفر صراحةً عدم التماثل، وعدم انتظام الحدود، وتنوع الألوان.
إطار عمل DermaFlux: تطوير مولد قائم على التدفق المصحح يوفر بديلاً حتمياً للتوليد القائم على الانتشار، مما يحسن كفاءة أخذ العينات والتحكم في السمات.
قياس الأداء: إثبات أن البيانات الاصطناعية المولدة بواسطة DermaFlux تتفوق بشكل كبير على البيانات الاصطناعية القائمة على الانتشار (مثل Derm-T2IM) في مهام التصنيف اللاحقة.

4. النتائج التجريبية

قيم المؤلفون الإطار باستخدام مصنفات ResNeXt-50 و Vision Transformer (ViT) على مجموعة اختبار مستقلة تضم حوالي 9,100 آفة.

المقارنة مع نماذج الانتشار:
- عندما تم تدريب المصنفات حصرياً على البيانات الاصطناعية، حسّن DerableFlux دقة ViT بنسبة 9.03% مقارنة بالنماذج المرجعية القائمة على الانتشار.
- في سيناريوهات التدريب المختلط (حقيقي/اصطناعي)، حسّن DermaFlux دقة ViT بنسبة 3.47%.
تأثير تعزيز البيانات:
- أدت إضافة بيانات DermaFlux الاصطناعية إلى مجموعات البيانات الحقيقية المحدودة (مثل 2,500 صورة حقيقية) إلى تحسين دقة التصنيف الثنائي بنسبة تصل إلى 6%.
- أظهر النموذج أكبر مكاسب في الأنظمة ذات البيانات المنخفضة (2,500–5,000 عينة حقيقية)، مما عزز الفصل بين الفئات (ROC-AUC).
المقارنة مع أحدث التقنيات (SOTA):
- حقق نموذج ViT مدرب على 2,500 صورة حقيقية + 4,375 عينة اصطناعية من DermaFlux دقة بنسبة 78.04% ومساحة تحت المنحنى (AUC) بلغت 0.859.
- تجاوزت هذه النتيجة أفضل نموذج جلدي تالٍ (MAKE/DermLIP) بمقدار 8 نقاط مئوية.
- حقق النموذج حساسية شبه مثالية (TPR $\approx$ 1.0) عند معدل إيجابي كاذب قدره 0.75، متفوقاً على النماذج الحالية في تحديد الآفات الخبيثة مع الحفاظ على النوعية (Specificity).

5. الأهمية

الفائدة السريرية: يعالج DermaFlux العقبة الحرجة المتمثلة في ندرة البيانات في الذكاء الاصطناዊ الطبي. ومن خلال توليد صور متماسكة سريرياً، فإنه يسمح بتدريب مصنفات قوية دون الاعتماد على مجموعات بيانات ضخمة وحساسة للخصوصية من العالم الحقيقي.
التقدم التقني: تثبت الورقة أن التدفقات المصححة (Rectified Flows) هي بنية متفوقة لتوليد الصور الطبية مقارنة بنماذج الانتشار التقليدية، حيث توفر تحكماً أفضل في السمات السريرية المحددة وكفاءة أعلى في أخذ العينات.
فعالية التكلفة: يوضح النهج أنه يمكن تحقيق ذكاء اصطناዊ طبي عالي الأداء باستخدام عدد أقل بكثير من التوسيمات الحقيقية (2,500 صورة) عند تعزيزها ببيانات اصطناعية مهيكلة وعالية الجودة، مما يقلل من تكلفة ووقت تنسيق مجموعات البيانات.

التوفر: الكود، والبيانات، والنماذج المدربة مسبقاً متاحة على dermaflux.github.io.