Deep neural networks with Fisher vector encoding for medical image classification
تقترح هذه الورقة دمج ترميز متجه فيشر (Fisher Vector) مع بنيات هجينة تجمع بين الشبكات العصبية الالتفافية (CNN) والمحولات البصرية (ViT) لتعزيز تصنيف الصور الطبية عبر أحجام مجموعات بيانات متفاوتة، ومعالجة القيود الحسابية من خلال طريقة قابلة للتوسع لتقدير نماذج الخليط الغاوسي (GMM)، مع تحقيق نتائج رائدة أو تنافسية في عدة اختبارات مرجعية.
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 التعرف على أنواع مختلفة من الصور الطبية، مثل الأشعة السينية أو فحوصات الجلد. يحتاج الروبوت إلى تعلم ما الذي يجعل الرئة "سليمة" وكيف تبدو "مريضة"، أو كيفية رصد شامة قد تكون خطيرة.
تقدم هذه الورقة البحثية طريقة جديدة لتعليم ذلك الروبوت، مصممة خصيصاً لتعمل بشكل جيد سواء كان لديك كومة صغيرة من الصور أو مكتبة ضخمة منها. إليك قصة كيف فعلوا ذلك، باستخدام بعض التشبيهات البسيطة.
المشكلة: أداتان مختلفتان، فوضى عارمة
بدأ الباحثون بأداتين قويتين تحظيان بشعبية في عالم الذكاء الاصطعي:
- الشبكات العصبية الالتفافية (CNNs): فكر في هذه الشبكات كأنها روبوت يمتلك عيوناً محلية حادة جداً. هي بارعة في رصد التفاصيل الصغيرة (مثل نسيج معين في خلية)، لكنها أحياناً تفقد "الصورة الكبيرة" لأنها تركز بشدة على المحيط المباشر.
- محولات الرؤية (ViTs): فكر في هذه المحولات كأنها روبوت يمتلك رؤية واسعة جداً. يمكنها رؤية كيف ترتبط الأجزاء المختلفة من الصورة ببعضها البعض بشكل كلي. ومع ذلك، فهي "شرهة" نوعاً ما—فهي تحتاج إلى كميات هائلة من الطعام (البيانات) لتتعلم، وتصاب بالارتباك الشديد إذا كانت الصور ضخمة (مثل المسحات الطبية عالية الدقة).
أراد الباحثون دمج هذين النوعين في روبوت هجين يمتلك كلاً من العيون المحلية الحادة والرؤية الواسعة. ولكن كانت هناك عقبة: عندما تدمجهما، لا تزال بحاجة إلى طريقة لتلخيص كل المعلومات التي يراها الروبوت في "تقرير أداء" واحد حتى يتمكن من اتخاذ قرار نهائي.
الحل: تقرير أداء "فيكتور فيشر" (Fisher Vector)
عادةً ما تستخدم نماذج الذكاء الاصطناعي طريقة بسيطة لتلخيص الصورة، مثل أخذ متوسط كل شيء (Global Average Pooling). قرر المؤلفون استخدام شيء أكثر تطوراً بكثير يسمى فيكتور فيشر (Fisher Vectors).
التشبيه: المهرجان الموسيقي مقابل قائمة التشغيل
- الطريقة القياسية (متوسط التجميع - Average Pooling): تخيل أنك في مهرجان موسيقي. الطريقة القياسية تسأل: "ما هو متوسط مستوى الصوت؟" وهي تعطيك رقماً واحداً فقط. إنها سريعة، لكنها تفقد كل الفروق الدقيقة. هل صرخ الجمهور؟ هل كان هناك عزف منفرد؟ أنت لا تعرف.
- طريقة فيكتور فيشر (Fisher Vector): هذه الطريقة تشبه إنشاء قائمة تشغيل مفصلة وتقرير عن حالة الجمهور. بدلاً من مجرد المتوسط، تنظر الطريقة إلى كل أغنية عُزفت وكل صرخة سُمعت. وتقارنها بنموذج "قياسي" لما يبدو عليه المهرجان النموذجي. وتدون ملاحظات مثل: "هذه الأغنية كانت أعلى من المعتاد"، أو "هذه الصرخة كانت أكثر تكراراً من الطبيعي".
من خلال القيام بذلك، ينشئ الروبوت وصفاً أغنى وأكثر تفصيلاً للصورة. وهذا مفيد بشكل خاص عندما لا تملك آلاف الأمثلة للتعلم منها (وهي مشكلة شائعة في الطب، حيث يكون الحصول على بيانات مصنفة أمراً صعباً ومكلفاً).
العقبة: مشكلة "المكتبة"
كان هناك مشكلة كبيرة في استخدام طريقة "فيكتور فيشر" التفصيلية هذه على مجموعات البيانات الكبيرة. لإنشاء ذلك التقرير المفصل، يجب على الذكاء الاصطناعي بناء خريطة إحصائية معقدة (تسمى نموذج الخليط الغاوسي - Gaussian Mixture Model أو GMM) لكل البيانات التي رآها.
التشبيه: أمين المكتبة المثقل بالأعباء
تخيل أنك أمين مكتبة تحاول تنظيم مكتبة.
- إذا كان لديك 100 كتاب، يمكنك قراءة كل واحد منها وإنشاء فهرس مثالي.
- إذا كان لديك 10 ملايين كتاب، فإن محاولة قراءة كل واحد منها لإنشاء الفهرس ستستغرق وقتاً طويلاً جداً وستؤدي إلى تعطل عقلك (التكلفة الحسابية).
في الماضي، حاول الناس حل هذه المشكلة عبر رمي معظم الكتب والقراءة من عدد قليل فقط. لكن المؤلفين خشوا أن يؤدي ذلك إلى جعل الفهرس غير دقيق.
الابتكار: "العينة الذكية"
ابتكر المؤلفون حيلة ذكية لحل مشكلة "أمين المكتبة المثقل بالأعباء" دون فقدان المعلومات المهمة.
- مرشح الإنتروبيا (Entropy Filter): بد instead من اختيار الكتب عشوائياً، نظروا إلى "الفوضى" أو "كثافة المعلومات" في كل صورة (تسمى الإنتروبيا - Entropy). لقد اختاروا الصور الأكثر إثارة للاهتمام والتعقيد لبناء فهرسهم وتجاهل الصور المملة والبسيطة.
- النتيجة: وجدوا أنه من خلال استخدام شريحة صغيرة مختارة بذكاء من البيانات (مثل 2% فقط من الإجمالي)، يمكنهم بناء فهرس يكاد يكون مطابقاً لواحد تم بناؤه من المكتبة بأكملها. وقد وفر هذا كميات هائلة من قوة الحوسبة.
"الخياطة" غير الفاقدة للمعلومات (Lossless Stitching)
ظهرت مشكلة أخرى لأن الروبوت الهجين ينظر إلى الصورة عند مستويات "تكبير" مختلفة (مراحل). بعض الرؤى تكون عالية الدقة (تفاصيل صغيرة كثيرة)، وأخرى تكون منخفضة الدقة (أشكال عامة).
- الطريقة القديمة: لمقارنة هذه الرؤى، كان الناس يقومون بتقليص التفاصيل عالية الدقة لتناسب الرؤية منخفضة الدقة، مما يعني التخلص فعلياً من التفاصيل الدقيقة.
- الطريقة الجديدة: ابتكر المؤلفون طريقة خياطة غير فاقدة للمعلومات (lossless stitching). تخيل أن لديك لغزاً (بازل) كبيراً ولغزاً صغيراً. بدلاً من ضغط اللغز الكبير، قاموا بتفكيك قطع اللغز الكبيرة إلى قطع أصغر متوافقة تتناسب تماماً مع اللغز الصغير دون فقدان أي جزء من الصورة. سمح هذا بدمج جميع "رؤى" الروبوت المختلفة في تقرير واحد فائق القوة.
النتائج: الفوز في اللعبة الطبية
اختبر الفريق "الروبوت الهجين ذو تقارير الأداء الذكية" على عدة مجموعات من الصور الطبية:
- MedMNIST: وهي مجموعة من الصور الطبية المعيارية الصغيرة (مثل صور الأشعة السينية ومقطعية CT بدقة 28×28 بكسل).
- اختبارات العالم الحقيقي: صور أكبر وأكثر واقعية لآفات الجلد (ISIC2018) وصور الأشعة المقطعية لرئة مصابة بكوفيد-19 (Clean-CC-CCII).
النتيجة:
- في مجموعات البيانات الصغيرة، تفوق نموذجهم على جميع الأرقام القياسية السابقة (benchmarks). لقد أثبت أن نهج "فيكتور فيشر" يعد قوة خارقة عندما تكون البيانات شحيحة.
- في مجموعات البيانات الأكبر والأكثر واقعية، كان أداؤهم بجودة، أو أفضل من، أكثر النماذج تقدماً الموجودة حالياً في الأدبيات العلمية، على الرغم من استخدامهم لموارد حوسبة أقل.
الملخص
باختصار، بنى المؤلفون مصنفاً للصور الطبية يتميز بـ:
- دمج أفضل ما في عالمي الذكاء الاصطناعي (CNNs و Transformers).
- استخدام "تقرير أداء مفصل" (Fisher Vectors) لفهم الصور بعمق.
- حل مشكلة "كثرة البيانات" عبر أخذ عينات ذكية من أكثر الصور إثارة للاهتمام فقط لبناء خريطتهم الإحصائية.
- إثبات أنك لا تحتاج إلى كمبيوتر خارق لتقديم نتائج طبية رفيعة المستوى؛ بل تحتاج فقط إلى طريقة أذكى لتنظيم البيانات التي تملكها.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.