Attention-Based Chaotic Self-Supervision for Medical Image Classification
تقترح هذه الورقة إطار عمل جديد للتعلم الخاضع للإشراف الذاتي يسمى "المشفر التلقائي لإزالة الضجيج الفوضوي" (CDAE)، والذي يستخدم التحويلات الفوضوية بدلاً من الحجب العشوائي للحفاظ على الميزات التشخيصية دقيقة التفاصيل، ويجمعها مع التمثيلات القياسية عبر آلية دمج انتباهية لتحقيق أداء فائق في مهام تصنيف الصور الطبية.
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 كمبيوتر كيفية رصد الأمراض في الصور الطبية، مثل البقع الجلدية أو مسوحات العين. عادةً، تحتاج إلى آلاف الصور التي قام خبراء بتصنيفها بعناية (على سبيل المثال: "هذا سرطان"، "هذا سليم").
ولحل هذه المشكلة، يستخدم الباحثون حيلة تسمى التعلم الخاضع للإشراف الذاتي (Self-Supervised Learning). فبدلاً من الحاجة إلى تصنيفات جاهزة، يحاول الكمبيوتر تعليم نفسه من خلال لعب "لعبة الإصلاح". يأخذ صورة، ثم يُفسدها، ثم يحاول إعادة بناء الصورة الأصلية. إذا أصبح بارعاً في إصلاح الفوضى، فإنه يتعلم كيف تبدو الصورة الحقيقية.
إليك كيف يطور هذا البحث تلك اللعبة:
1. المشكلة في ألعاب "الإفساد" القديمة
تستخدم معظم الطرق الحالية تقنية التغطية العشوائية (Random Masking). تخيل أنك تأخذ صورة لآفة جلدية ثم تغطي أجزاء عشوائية منها بمربعات سوداء، ثم تطلب من الكمبيوتر تخمين ما يوجد تحتها.
- العيب: التشخيصات الطبية غالباً ما تعتمد على تفاصيل دقيقة وصغيرة جداً (مثل ملمس حدود الجلد أو وريد باهت). المربعات السوداء العشوائية قد تغطي بالخطأ التفصيل الصغير الدقيق الذي يحتاجه الطبيب لرؤيته. الأمر يشبه محاولة تعلم أغنية عبر تغطية نوتات موسيقية عشوائية؛ قد تفقد اللحن الأساسي الجوهري.
2. الحل الجديد: اللعبة "الفوضوية"
يقترح المؤلفان، جواو وأماندا، طريقة جديدة لإفساد الصورة تسمى المشفّر التلقائي لتقليل الضجيج الفوضوي (Chaotic Denoising Autoencoder - CDAE).
بدلاً من تغطية أجزاء من الصورة بمربعات سوداء، يقومان بتطبيق صيغة رياضية تسمى الخريطة اللوجستية (Logistic Map) على كل بكسل في الصورة.
- التشبيه: تخيل أنك تأخذ صورة واضحة وعالية الدقة وتمررها عبر "كاليدوسكوب" (منظار ملون) أو "آلة خلط" تقوم بتشويش الألوان والسطوع بطريقة معقدة، متوقعة ولكن فوضوية. الصورة لا تفقد أجزاءً منها، بل تصبح نسخة فوضوية ومشوهة من نفسها فقط.
- المهمة: يجب على الكمبيوتر النظر إلى هذه الفوضى المشوشة والمبعثرة، ثم "فك تشفيرها" لإعادتها إلى الصورة الأصلية المثالية.
- لماذا ينجح هذا: لأن التشويه معقد للغاية، لا يمكن للكمبيوتر مجرد التخمين. يجب عليه فهم بنية وملمس الصورة بعمق ليعرف كيف يعكس هذه الفوضى. هذا يجبر الكمبيوتر على تعلم تلك التفاصيل الدقيقة والرهيفة التي قد تتجاهلها التغطية العشوائية.
3. استراتيجية "فريق النجوم"
بمجرد أن يتعلم الكمبيوتر كيفية فك تشفير هذه الصور الفوضوية، لا يكتفي المؤلفان بهذا النموذج الواحد، بل يبنون فريقاً:
- العامّ (العمود الفقري 1): نموذج ذكاء اصطناعي قياسي تم تدريبه على ملايين الصور العادية (مثل القطط، السيارات، والأشجار). هو يعرف كيف تبدو "الصورة" بشكل عام.
- المتخصص (العمود الفقوري 2): النموذج الذي درباه للتو باستخدام اللعبة الفوضوية. هو خبير في رؤية التفاصيل الطبية الدقيقة.
- المدرب (آلية الانتباه): هذا هو الجزء الأهم. عندما ينظر الكمبيوتر إلى صورة طبية جديدة، فإنه يسأل كلاً من "العامّ" و"المتخصص" عن رأيهما.
- "المدرب" (آلية الانتباه) يقرر مقدار الاستماع لكل منهما.
- أحياناً يكون "العامّ" هو المصيب، وأحياناً يكون "المتخصص" هو المصيب. يتعلم المدرب كيفية دمج نقاط قوتهما معاً بشكل مثالي.
4. النتائج
اختبر الفريق هذه الطديدة الجديدة على مجموعتين شهيرتين من البيانات الطبية:
- الآفات الجلدية (ISIC 2018): حققوا دقة بلغت 92.2%، متفوقين على جميع الطرق الرائدة الأخرى.
- اعتلال الشبكية السكري (مسوحات العين، APTOS 2019): حققوا دقة بلغت 86.4%، متفوقين أيضاً على المنافسين.
الخلاصة
يزعم هذا البحث أنه من خلال استخدام طريقة تشويه "فوضوية" بدلاً من التغطية العشوائية، ومن خلال دمج هذه المعرفة المتخصصة مع المعرفة العامة باستخدام "مدرب" ذكي، فقد ابتكروا نظاماً أفضل في رصد الأمراض الطبية من الطرق السابقة. وقد أثبتوا ذلك من خلال الحصول على درجات أعلى في الاختبارات القياسية للصور الطبية.
ما لم يزعموه:
- لم يزعموا أن هذا النظام جاهز للاستخدام الفوري في المستشفيات.
- لم يختبروه على المسوحات ثلاثية الأبعاد (مثل الأشعة المقطعية أو الرنين المغناطيسي) بعد، رغم أنهم يشيرون إلى أن هذا يمكن أن يكون فكرة مستقبلية.
- لم يزعموا أن الطريقة تعمل على أمراض أخرى غير الآفات الجلدية أو حالات العين في هذه الدراسة المحددة.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.