💻 computer science

Benchmarking the Domain Gap: Model Selection Instability Under Domain Shift in Video Capsule Endoscopy

تُثبت هذه الورقة أن اختيار النموذج لعملية تنظير كبسولة الفيديو غير مستقر للغاية في ظل انزياح النطاق، حيث تفشل ترتيبات الأداء داخل النطاق في التنبؤ باستمرار بالنتائج عبر الأهداف المختلفة عبر مجموعات البيانات المختلفة، مما يستلزم تحولاً نحو تقييم استقرار الترتيب عبر الأهداف بدلاً من ذروة الأداء في مجموعة بيانات واحدة.

المؤلفون الأصليون: Dan Hanson, Debesh Jha

نُشر 2026-07-28

📖 3 دقيقة قراءة☕ قراءة في استراحة قهوة

CC BY 4.0

المؤلفون الأصليون: Dan Hanson, Debesh Jha

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 الفاكهة. تعرض عليه آلاف الصور للتفاح والبرتقال والموز تم التقاطها في مطبخك الخاص، تحت إضاءتك الخاصة، وبكاميرتك الخاصة. يصبح الروبوت بارعاً جداً في هذا! يصبح خبيراً في الفاكهة داخل مطبخك. ولكن بعد ذلك، تأخذ نفس الروبوت إلى منزل صديق لك. مطبخهم يحتوي على إضاءة مختلفة، وكاميراتهم طراز مختلف، وربما يصنفون كلمة "ناضج" بشكل مختلف عنك. فجأة، الروبوت الذي كان بطلاً في مطبخك قد يتعثر أمام موزة تبدو مختلفة قليلاً، بينما روبوت آخر كنت تظنه متوسط المستوى يتألق فجأة. هذا هو جوهر مشكلة تسمى "انزياح النطاق" (domain shift) في علوم الحاسوب. إنها الفجوة بين مدى جودة أداء نموذج الحاسوب في المختبر حيث تم تدريبه، مقابل مدى جودة أدائه في العالم الحقيقي الفوضوي حيث يُستخدم فعلياً. في العالم الطبي، هذا الأمر يكتسب أهمية بالغة. إذا اعتمد طبيب على ذكاء اصطناعي لرصد المشكلات داخل جسم المريض، فإن هذا الذكاء الاصطناعي يحتاج أن يكون ذكياً ليس فقط لمستشفى واحد محدد، بل لأي مستشفى، وبأي كاميرا، ولأي مريض.

تتعمق هذه الورقة البحثية في هذه المشكلة تحديداً، ولكن بدلاً من الفاكهة، تنظر الروبوتات إلى كبسولات الفيديو — وهي كاميرات صغيرة بحجم الحبة يبتلعها المرضى لالتقاط صور لداخل أجسامهم. أراد الباحثون معرفه ما يلي: إذا اخترنا نموذج الذكاء الاصطناعي "الأفضل" بناءً على أدائه في مجموعة بيانات واحدة (مجموعة من الصور)، فهل سيظل نفس النموذج هو الأفضل عندما نختبره على مجموعة أخرى مختلفة تماماً من الصور من مستشفى آخر؟ هم لم يكتفوا بالتخمين؛ بل أجروا تجربة ضخمة. أخذوا 11 بنية مختلفة لـ "الأدمغة" (المحركات الأساسية التي تشغل الذكاء الاصطناعي) ودربوها على مجموعة فيديوهات كبسولة معيارية. ثم اختبروا هذه الأدمغة المدربة نفسها على مجموعتين مختلفتين تماماً من فيديوهات الكبسولات.

إليك المفاجأة التي وجدوها: "الأفضل" يعتمد كلياً على من تسأل. عندما قاموا بترتيب النماذج بناءً على مجموعة البيانات الأولى، كان النموذج المتصدر هو نموذج يسمى Swin-B، وكان الفائز الواضح. ولكن عندما أخذوا نفس نموذج Swin-B واختبروه على مجموعة بيانات ثانية، تراجع إلى المركز الخامس. وفي الوقت نفسه، فإن نموذجاً يسمى ConvNeXt-Base، والذي كان في المركز السابع فقط في الاختبار الأول، أصبح البطل رقم واحد في الاختبار الثاني. الأمر يشبه أن تقيم سباقاً في الصباح، ويكون الفائز هو عداء مسافات قصيرة (عداء سريع)، ولكن عندما تقيم السباق نفسه في فترة بعد الظهر على مضمار مختلف، يفوز عداء ماراثون. تُظهر الورقة أنه لا يوجد نموذج واحد "سحري" يفوز في كل مكان. إذا اخترت نموذجاً لمجرد أن لديه أعلى درجة في اختبار محدد، فقد تكون اخترت النموذج الخاطئ للمستشفى التالي الذي ستزوره.

كما جرب الباحثون تجربة ثانية. قاموا بتدريب دفعة جديدة من النماذج على مجموعة البيانات الثانية واختبروها على مجموعة ثالثة. كانت النتيجة هي نفسها: الترتيبات استمرت في التغير. النموذج الذي كان رائعاً في الاختبار الثاني كان متوسطاً في الثالث. هذا يشلو إلى أن "لوحة الصدارة" التي تراها في ورقة بحثية هي غالباً مجرد لقطة لكيفية ملاءمة نموذج ما للغز معين، وليست ضماناً بأنه سيحل اللغز التالي. خلص المؤلفون إلى أننا يجب أن نتوقف عن البحث عن أعلى درجة واحدة في مجموعة بيانات واحدة. بدلاً من ذلك، يجب أن نبحث عن النماذج التي تظل ثابتة عبر اختبارات عديدة. إذا كان النموذج قوياً حقاً، فلا ينبغي أن يهتم إذا تغيرت الإضاءة أو تغيرت الكاميرا؛ بل يجب أن يحافظ على ترتيبه ثابتاً. وإلى أن نجد هؤلاء المؤدين الثابتين، فإن اختيار ذكاء اصطنا_ط طبي بناءً على نتيجة اختبار واحد يشبه اختيار دليل سياحي بناءً فقط على مدى معرفته بحيك الخاص — فقد يضل طريقه بمجرد أن تغادر المدينة.

أبحاث مشابهة