Respiratory Status Detection with Video Transformers
تُظهر هذه الدراسة أن بنية محول الفيديو المعززة بتشفيرات "Lie" النسبية والتقنيات الموجهة بالحركة (Motion Guided Masking) يمكنها اكتشاف علامات الضيق التنفسي من مقاطع الفيديو بفعالية، محققةً درجة F1 تبلغ 0.81 عبر الاستفادة من أنماط التعافي الطبيعية بعد التمرين كمجموعة بيانات مصنفة.
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 معرفة ما إذا كان المريض يعاني من صعوبة في التنفس بمجرد مراقبته عبر الفيديو. إنها مهمة صعبة؛ فالعلامات غالبًا ما تكون دقيقة للغاية: اتساع طفيف في فتحتي الأنف، أو شد بسيط للجلد بين الضلوع، أو تغير خفي في كيفية حركة الصدر. إذا فاتتك هذه العلامات، فقد تزداد حالة المريض سوءًا.
هذه الورقة البحثية تدور حول تعليم الكمبيوتر أن يكون ذلك الطبيب. تساءل الباحثون: هل يمكن للذكاء الاصطناعي مشاهدة فيديو وتحديد ما إذا كان شخص ما يعاني من صعوبة في التنفس، حتى لو كانت تلك المعاناة خفية للغاية؟
إليك قصة كيف فعلوا ذلك، مشروحة ببساطة:
1. تجربة "سباق التنفس"
بدلاً من محاولة تعليم الذكاء الاصطناعي رصد عرض معين (مثل "ابحث عن اتساع الأنف")، استخدم الباحثون حيلة ذكية. لقد عاملوا المشكلة كأنها لعبة تخمين تعتمد على السفر عبر الزمن.
- الإعداد: قاموا بتصوير متطوعين أصحاء بعد انتهائهم للتو من تمرين رياضي شاق جدًا.
- المنطق: مباشرة بعد التمرين، كان المتطوعون يلهثون طلباً للهواء (ضيق تنفس عالٍ). وبعد خمس دقائق، عادوا للتنفس بشكل طبيعي (ضيق تنفس منخفض).
- اللعبة: عُرض على الذكاء الاصطناعي مقطعان فيديو قصيران لنفس الشخص أثناء مرحلة التعافي. أحد المقطعين من مرحلة "اللهاث"، والآخر من مرحلة "الهدوء". كانت مهمة الذكاء الاصطناعي الوحيدة هي التخمين: "أي مقطع حدث أولاً؟"
إذا استطاع الذكاء الاصطناعي التخمين بشكل صحيح أن مقطع "اللهاث" جاء قبل مقطع "الهدوء"، فهذا يثبت أن الذكاء الاصطناعي قادر بالفعل على رؤية الفرق في ميكانيكا التنفس.
2. "عقل" الذكاء الاصطناعي: محولات الفيديو (Video Transformers)
لحل هذه المشكلة، استخدموا نوعًا من الذكاء الاصطناعي يسمى "محول الفيديو" (Video Transformer). فكر في هذا الأمر كأنه ناقد سينمائي متطور للغاية، لا يكتفي بالنظر إلى إطار واحد فقط، بل يفهم كيف يتدفق الفيلم بأكمده بمرور الوقت.
ومع ذلك، فإن نماذج الذكاء الاصطناعي القياسية قد ترتبك بسبب الضوضاء في الخلفية (مثل ستارة تتحرك أو تغير في الإضاءة). ولإصلاح ذلك، منح الباحثون الذكاء الاصطناعي "قوتين خارقتين":
القوة الخارقة الأولى: بوصلة "النسبة المرجعية" (LieRE)
- المشكلة: نماذج الذكاء الاصطناعي العادية تشبه السياح الذين يحملون خريطة تقول فقط "أنت هنا". إذا انحرفت الخريطة قليلاً، يضيعون.
- الحل: منحوا الذكاء الاصطناعي بوصلة "نسبة مرجعية". بدلاً من حفظ الإحداثيات الدقيقة، تفهم هذه البوصلة العلاقات. فهي تعرف أن "الصدر تحرك بالنسبة للكتفين"، أو "هذه الحركة حدثت بالنسبة للثانية الماضية". إنه يشبه فهم أن سيارة تبتعد عنك، بدلاً من مجرد معرفة إحداثيات نظام تحديد المواقع (GPS) الخاصة بها. هذا يساعد الذكاء الاصطناعي على التركيز على التغير في التنفس، وليس الخلفية الثابتة.
القوة الخارقة الثانية: "بقعة الضوء الحركية" (Motion-Guided Masking)
- المشكلة: في فيديو لشخص يتعافى، معظم الشاشة يكون مملاً (الجدار، الأرضية، أرجل الشخص الساكنة). يستهلك الذكاء الاصطناعي طاقته في النظر إلى هذه الأجزاء الثابتة.
- الحل: استخدموا تقنية تسمى "القناع الموجه بالحركة" (Motion-Guided Masking). تخيل بقعة ضوء تسلط الضوء فقط على الأجزاء المتحركة من الفيديو. يقوم الذكاء الاصطناعي بـ "تعتيم" الأجزاء المملة والثابتة من الشاشة ويركز فقط على الصدر والكتفين. الأمر يشبه ارتداء نظارات شمسية تصفّي كل شيء باستثناء الحركة الأكثر أهمية.
3. الاستراتيجية: عملية "المطابقة بالبصمة" (Embedding)
جرب الباحثون طرقًا مختلفة لمقارنة مقطعي الفيديو.
- نهج "البرجين" (Two-Tower): بنوا عقلين منفصلين للذكاء الاصطناعي، واحد لكل مقطع، وحاولوا جعل كل منهما يتواصل مع الآخر. كان هذا بطيئًا ولم يعمل بشكل جيد.
- نهج "البصمة" (Embedding): قاموا بتحويل كل فيديو إلى "بصمة" واحدة (ملخص رياضي). ثم قارنوا ببساطة مدى تشابه أو اختلاف هاتين البصمتين. كان هذا يشبه مقارنة وترين موسيقيين لمعرفة أيهما يبدو أكثر "توتراً". كانت هذه الطريقة أسرع وأكثر دقة بكثير.
4. النتائج
عندما جمعوا بين محول الفيديو والبوصلة (LieRE)، وبقعة الضوء (MGM)، واستراتيجية البصمة (Embedding)، أصبح الذكاء الاصطناعي بارعًا جدًا في اللعبة.
- حقق درجة F1 بلغت 0.81. وفي عالم الذكاء الاصطناعي، هذه درجة عالية جدًا، مما يعني أنه كان صحيحًا بنسبة 81% من المرات في التمييز بين مرحلة "اللهاث" ومرحلة "الهدوء".
- ومن المثير للاهتمام أن الذكاء الاصطناعي أصبح أفضل عندما كان المقطعان متباعدين في الزمن (على سبيل المثال، مقارنة أول لهثة بآخر نفس هادئ). وعندما كانت المقاطع متشابهة جدًا (بفارق ثوانٍ قليلة)، كان الأمر أصعب، وهو أمر منطقي لأن تغيرات التنفس تكون دقيقة للغاية في تلك اللحظة.
5. لماذا يهم هذا (وماذا بعد؟)
الأخبار الجيدة: هذا يثبت أن الذكاء الاصطناعي يمكنه تعلم رؤية العلامات "غير المرئية" لصعوبة التنفس. فهو لا يحتاج إلى طبيب ليقوم بقص الفيديو أو يخبره أين ينظر. يمكنه فقط المشاهدة والتعلم.
العقبة: كان المتطوعون في الدراسة أصحاء، وكانوا يعلمون أنهم تحت التصوير، وقاموا بوضع الكاميرات بعناية. في العالم الحقيقي، قد يكون المريض مستلقيًا في سرير مستشفى فوضوي، مغطى بالأغطية، أو قد تكون الكاميرا مهتزة. كما قد يرتبك الذكاء الاصطناعي بسبب العرق (بما أن المتطوعين كانوا يتصببون عرقًا من التمرين).
المستقبل: يريد الباحثون نقل هذه التكنولوجيا إلى المستشفيات الحقيقية. إذا تمكنوا من تدريب هذا الذكاء الاصطناعي على مرضى حقيقيين يعانون من مشاكل حقيقية في التنفس، فيمكن لهذا الذكاء الاصطناعي أن يعمل كممرض متاح على مدار الساعة طوال الأسبوع، يراقب المرضى عبر الفيديو وينبه الأطباء في اللحظة التي يبدأ فيها شخص ما في المعاناة، مما قد ينقذ الأرواح عبر رصد المشكلة قبل أن تصبح حالة طوارئ.
باختًا: لقد علموا الكمبيوتر كيف يشاهد فيديو، ويتجاهل الخلفية المملة، ويركز على حركة الصدر، ويخمن من هو المنهك ومن هو المستريح. وقد نجح الأمر بشكل مذهل!
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.