Explainable Fall Detection for Elderly Care via Temporally Stable SHAP in Skeleton-Based Human Activity Recognition

إليك ملخص تقني مفصل للورقة البحثية بعنوان: "كشف السقوط القابل للتفسير لرعاية كبار السن عبر تقنية SHAP المستقرة زمنياً في التعرف على الأنشطة البشرية القائمة على الهياكل العظمية."

1. بيان المشكلة

يعد كشف السقوط في رعاية كبار السن تطبيقاً حرجاً من حيث السلامة، يتطلب ليس فقط دقة عالية في التصنيف، بل أيضاً تفسيرات موثوقة وقابلة للتفسير يمكن للأطباء الوثوق بها. وبينما تحقق نماذج التعلم العميق (مثل GCNs وTransformers) دقة عالية في التعرف على الأنشاء البشرية (HAR) القائم على الهياكل العظمية، إلا أنها غالباً ما تعاني من:

• الافتقار إلى الشفافية: فهي تعمل كـ "صناديق سوداء"، مما يجعل من الصعب التحقق من قراراتها في البيئات السريرية.
• عدم الاستقرار الزمني في التفسيرات: تؤدي طرق التفسير اللاحقة الموجودة (مثل SHAP القياسي أو Grad-CAM) عند تطبيقها إطاراً تلو الآخر على البيانات المتسلسلة إلى إنتاج خرائط إسناد ضوضائية وعالية التباين. هذه الخرائط تتذبذب بسرعة بين الإطارات المتتالية، مما يحجب أنماط الحركة المتماسكة ويجعل من الصعب على الأطباء تحديد الأسباب الميكانيكية الحيوية المحددة للسقوط (مثل فقدان التوازن مقابل الارتطام).
• التكلفة الحسابية: غالباً ما تكون النماذج الحديثة ثقيلة جداً من الناحية الحسابية بحيث يصعب نشرها في الوقت الفعلي على الأجهزة متوسطة المدى.

2. المنهجية

يقترح المؤلفون إطار عمل خفيف الوزن ومتكامل (end-to-end) يوازن بين الدقة، والكفاءة، والاستقرار الزمني في التفسيرات.

أ. بنية النموذج

• العمود الفقري (Backbone): شبكة LSTM خفيفة الوزن (الذاكرة الطويلة قصيرة المدى).
  • المدخلات: إحداثيات الهيكل العظمي ثلاثية الأبعاد (25 مفصلاً × 3 أبعاد = 75 ميزة لكل إطار).
  • البنية: طبقة LSTM واحدة (128 وحدة مخفية) تليها طبقة كثيفة (Dense layer) وطبقة Softmax.
  • المبرر: توفر شبكات LSTM تعقيداً حسابياً خطياً $O(T)$، مما يجعلها مناسبة للاستدلال في الوقت الفعلي (أقل من 25 مللي ثانية)، على عكس نماذج Transformers أو شبكات Graph Convolutional Networks (GCNs) ذات التعقيد التربيعي.
• مجموعة البيانات: مجموعة بيانات NTU RGB+D، مع التركيز بشكل خاص على فئات السقوط (السقوط، الجلوس، الوقوف، التقاط الأشياء) للتصنيف الثنائي.

ب. الابتكار الجوهري: T-SHAP (SHAP المستقر زمنياً)

لمعالجة عدم الاستقرار الزمني لـ SHAP القياسي، قدم المؤلفون T-SHAP، وهو استراتيجية تجميع لاحقة (post-hoc aggregation).

• الآلية: بدلاً من التعامل مع كل إطار بشكل مستقل، يطبق T-SHAP عامل تنعيم خطي (متوسط متحرك) عبر نافذة زمنية $W_t$ على قيم إسناد SHAP.
  • الصيغة: $\tilde{\phi}_{i,t} = \frac{1}{|W_t|} \sum_{k \in W_t} \phi_{i,k}$
  • حيث تمثل $\phi$ قيمة SHAP الأصلية للميزة $i$ عند الزمن $t$، و $W_t$ هي نافذة بحجم $2w+1$.
• الضمانات النظرية: يحافظ T-SHAP على الخصائص النظرية لقيم Shapley (الدقة المحلية، الاتساق، والغياب) لأن التجميع هو تحويل خطي يتم تطبيقه بعد عملية الحساب.
• الأثر: يعمل كمرشح تمرير منخفض (low-pass filter)، مما يقلل من الضجيج عالي التردد (الارتعاش/Jitter) مع الحفاظ على أنماط الحركة ذات المعنى الدلالي والمستدام.

ج. مقاييس التقييم

• الأمانة (Faithfulness): تُقاس باستخدام المساحة تحت منحنى الاضطراب (AUP). يحدد هذا المقياس مدى انخفاض ثقة تنبؤ النموذج عندما يتم إزالة الميزات الأعلى تصنيفاً (وفقاً للتفسير). تشير قيمة AUP الأعلى إلى أن التفسير أكثر أمانة سببية لقرار النموذج.
• الاستقرار الزمني: يُقاس من خلال تباين درجات الإسناد عبر الإطارات المتتالية.
• زمن الاستجابة (Latency): وقت الاستدلال من البداية إلى النهاية.

3. المساهمات الرئيسية

1. إطار عمل T-SHAP: تقديم استراتيجية تجميع مدركة زمنياً ولاحقة لـ SHAP، تعمل على استقرار إسنادات SHAP للبيانات المتسالية دون الحاجة إلى تدريب إضافي للنموذج.
2. نظام خفيف الوزن للوقت الفعلي: إثبات أن بنية LSTM بسيطة يمكنها تحقيق دقة تنافسية (94.3%) مع تكلفة حسابية أقل بكثير من GCNs أو Transformers، مما يجعلها مناسبة لأجهزة الحافة (edge devices) أو الأجهزة السريرية.
3. التحقق الكمي من XAI: تجاوز التوضيح النوعي البصري، حيث قدمت الورقة أدلة كمية صارمة (عبر مقاييس AUP والتباين) على أن T-SHAP ينتج تفسيرات أكثر أمانة واستقراراً من SHAP القياسي وGrad-CAM.
4. المواءمة الميكانيكية الحيوية: تتوافق التفسيرات التي يولدها T-SHAP مع الملاحظات السريرية الراسخة لديناميكيات السقوط (على سبيل المثال، تسليط الضوء على عدم استقرار الأطراف السفلية وتغيرات محاذاة العمود الفقري)، مما يؤكد صحة عملية اتخاذ القرار في النموذج.

4. النتائج التجريبية

• أداء التصنيف:
  • الدقة (Accuracy): 94.3%
  • الدقة/الاستدعاء/F1: ~94%
  • زمن الاستجابة (Latency): إجمالي وقت الاستدلال هو أقل من 25 مللي ثانية (4.8 مللي ثانية لتنبؤ LSTM + 12–20 مللي ثانية لتفسير T-SHAP)، مما يلبي قيود الوقت الفعلي (<100 مللي ثانية).
• أداء القابلية للتفسير (الأمانة - AUP):
  • T-SHAP: 0.91 (الأعلى)
  • SHAP القياسي: 0.89
  • Grad-CAM: 0.82
  • التفسير: يحدد T-SHAP الميزات المرتبطة سببياً بالتنبؤ بشكل أكبر، حيث يؤدي إزالتها إلى انخفاض حاد في ثقة النموذج.
• الاستقرار الزمني:
  • قلل T-SHAP التباين الزمني بنسبة 24% مقارنة بـ SHAP القياسي.
  • أظهرت التصورات أن T-SHAP ينتج خرائط حرارية متماسكة ومستمرة تسلط الضوء على مفاصل محددة (العمود الفقري، الركبتين، اليدين) بمرور الوقت، بينما أظهر SHAP القياسي تنشيطات مجزأة وضوضائية.
• تحليل الحساسية: وُجد أن حجم النافذة $w=2$ (نافذة من 5 إطارات) هو الأمثل، حيث يوازن بين تقليل الضوضاء والحفاظ على التفاصيل الزمنية الدقيقة.

5. الأهمية والأثر

• الثقة السريرية: من خلال توفير تفسيرات مستقرة ومتسقة ميكانيكياً حيوياً، يجسّر هذا الإطار الفجوة بين تنبؤات الذكاء الاصطناعي والاستدلال السريري. يمكن للأطباء التحقق من سبب اكتشاف السقوط (على سبيل المثال، "فقدان تدريجي للتوازن في الأطراف السفلية") بدلاً من مجرد تلقي تنبيه ثنائي.
• النشر في العالم الحقيقي: الجمع بين الدقة العالية وزمن الاستجاء المنخفض يجعل هذا النظام قابلاً للنشر في مرافق الرعاية المساعدة وأنظمة المراقبة المنزلية على الأجهزة متوسطة المدى.
• تحول في النموذج المعرفي: تجادل الورقة بأنه في المجالات الحرجة للسلامة، فإن تحسين استقرار وموثوقية التفسيرات لا يقل أهمية عن تعظيم الدقة الخام. وهي تثبت أن البنى المعقدة ليست ضرورية دائماً إذا تمت معالجة قابلية التفسير والتماسك الزمني للنموذج بشكل صارم.
• الاتجاهات المستقبلية: نهج T-SHAP غير مرتبط بنموذج معين (model-agnostic) ويمكن توسيعه ليشمل مجالات تسلسلية أخرى (إعادة التأهيل، الميكانيكا الحيوية الرياضية) ونماذج أكثر تعقيداً (Transformers, GCNs) لحل مشكلة "عدم الاستقرار الزمني" في تطبيقات XAI الأوسع.