Impact of Image Bit Depth Reduction on Deep Learning Performance in Chest Radiograph Analysis: A Multi-institutional Study
تُظهر هذه الدراسة متعددة المؤسسات أن تحويل صور الأشعة السينية للصدر من عمق 16 بت إلى 8 بت لا يؤثر بشكل كبير على أداء نماذج التعلم العميق في تصنيف الجنس والعمر والسمنة، مما يشير إلى إمكانية استخدام صور 8 بت لتخزين ومعالجة البيانات بكفاءة دون المساس بدقة التشخيص.
البحث الأصلي مرخَّص بموجب CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). هذا شرح مولَّده بالذكاء الاصطناعي لبحث مسبق لم يخضع لمراجعة الأقران. وهو ليس نصيحة طبية. لا تتخذ أي قرارات تتعلق بصحتك بناءً على هذا المحتوى. اقرأ إخلاء المسؤولية الكامل
تخيل أن لديك مكتبة ضخمة من صور الأشعة السينية المستخدمة من قبل الأطباء لفحص مشاـل القلب والرئة. هذه الصور دقيقة للغاية، مثل أفلام الـ 4K عالية الدقة. في العالم الرقمي، تُقاس هذه "الدقة العالية" بـ عمق البت (bit depth). معظم صور الأشعة السينية الطبية هي 16-بت، مما يعني أنها تستطيع إظهار 65,536 درجة مختلفة من اللون الرمادي. هذا يشبه امتلاك فرشاة تلوين تحتوي على 65,000 درجة مختلفة من الرمادي لرسم لوحة.
ومع ذلك، تفضل أجهزة الكمبيوتر غالبًا الملفات الأبسط والأخف. المعيار المعتاد للعديد من الصور اليومية (مثل صور JPEG على هاتفك) هو 8-بت، والتي توفر 256 درجة فقط من اللون الرمادي. هذا يشبه الانتقال من صندوق تلوين يحتوي على 65,000 درجة إلى صندوق أصغر يحتوي على 256 لونًا فقط.
السؤال الكبير:
سأل الباحثون: إذا أخذنا صور الأشعة السينية الطبية فائقة التفاصيل (16-بت) وقمنا بتقليصها إلى النسخة الأبسط (8-بت)، هل سيصاب "الكمبيوتر الذكي" (التعلم العميق للذكاء الاصطناعي) بالارتباك؟ هل سيفقد التفاصيل المهمة لأن الصورة لم تعد غنية بالألوان كما كانت؟
التجربة: اختبار تذوق للذكاء الاصطناعي
لإيجاد الإجابة، لم يكتفِ الفريق بالتخمين؛ بل أجروا اختبار تذوق ضخمًا.
- المكونات: جمعوا أكثر من 100,000 صورة أشعة سينية للصدر من ثلاثة مستشفيات مختلفة.
- الطهاة (نماذج الذكاء الاصطناعي): استخدموا ثلاثة أنواع من "الطهاة الأذكياء" (بنيات ذكاء اصطناعي تسمى ResNet و EfficientNet و ConvNeXt).
- المهمة: طلبوا من هؤلاء الطهاة الأذكياء القيام بثلاث مهام بسيطة:
- التخمين ما إذا كان المريض ذكرًا أم أنثى.
- التخمين ما إذا كان المريض مسنًا (65 عامًا فأكثر).
- التخمين ما إذا كان المريض يعاني من السمنة (بناءً على حجم الجسم).
- الاختبار: قاموا بتغذية الذكاء الاصطنا هذه الأشعة السينية مرتين؛ مرة كملف أصلي ثقيل (16-بت)، ومرة كملف أخف (8-بت).
النتائج: الصور "المتقلصة" تعمل بنفس الكفاءة
كانت النتائج مفاجئة ولكنها جيدة جدًا.
- لا يوجد فرق: سواء نظر الذكاء الاصطناعي إلى نسخة الـ "4K" (16-بت) أو نسخة الـ "معيارية" (8-بت)، فقد كان أداؤه متماثلاً تمامًا.
- التشبيه: تخيل أنك تحاول التعرف على وجه صديق لك وسط حشد. إذا نظرت إلى صورة له بـ 65,000 درجة من الرمادي، يمكنك رؤيته بوضوح. وإذا نظرت إلى صورة بـ 256 درجة فقط، فلا يزال بإمكانك رؤيته بوضوح. لم يكن الذكاء الاصطناعي بحاجة إلى كل تلك الدرجات الإضافية ليعرف ما إذا كان الشخص مسنًا أو شابًا، أو ذكرًا أو أنثى.
- الأرقام: كان الفرق في الأداء ضئيلًا جدًا لدرجة أنه يكاد يكون معدومًا (أقل من 0.2%). من الناحية الإحصائية، كان الأمر يشبه رمي عملة معدنية والحصول على وجه أو ظهر؛ لم يكن هناك نمط حقيقي يظهر أن أحدهما أفضل من الآخر.
لماذا يهم هذا؟ (جزء "لماذا يجب أن أهتم؟")
هذا أمر بالغ الأهمية للمستشفيات والأطباء لثلاثة أسباب رئيسية:
- مساحة التخزين: ملفات الـ 16-بت تشبه الحقائب الثقيلة، بينما ملفات الـ 8-بت تشبه حقائب الظهر خفيفة الوزن. من خلال الانتقال إلى 8-بت، يمكن للمستشفيات تخزين ضعف عدد صور الأشعة السينية في نفس المساحة دون فقدان أي "ذكاء" من الذكاء الاصطناعي.
- السرعة: نقل ومعالجة ملفات الـ 8-بت الأصغر أسرع. الأمر يشبه إرسال رسالة نصية بدلاً من ملف فيديو ثقيل. يمكن للذكاء الاصطناي التعلم واتخاذ القرارات بشكل أسرع.
- التوافق: لا تستطيع جميع أجهزة الكمبيوتر أو البرامج التعامل مع ملفات الـ 16-بت الثقيلة. الـ 8-بت هي "اللغة العالمية" التي يمكن لأي كمبيوتر تقريبًا قراءتها، مما يسهل على المستشفيات المختلفة مشاركة البيانات والعمل معًا.
التنبيه (القيود)
كان الباحثون صادقين بشأن ما لم يختبروه. لقد تحققوا مما إذا كان بإمكان الذكاء الاصطناعي تخمين الأمور الأساسية مثل العمر والجنس، لكنهم لم يختبروا ما إذا كان بإمكان الذكاء الاصطناعي رصد ورم صغير ودقيق أو صدع خفي جدًا في العظام. هذه المهام تشبه البحث عن حبة رمل واحدة محددة على الشاطئ. وبينما تعامل الذكاء الاصطناعي مع مهام "الصورة الكبيرة" بشكل مثالي باستخدام 8-بت، فإننا لا نزال بحاجة لمعرفة ما إذا كان سيعمل مع هذه الألغاز الطبية الصغيرة والصعبة.
الخلاصة
اعتبر هذه الدراسة بمثابة إثبات أنك لست بحاجة إلى سيارة "فيراري" للذهاب إلى البقالة؛ فسيارة "سيدان" موثوقة ستوصلك بنفس السرعة والأمان.
تخلص الدراسة إلى أنه بالنسبة للعديد من مهام الذكاء الاصطناً الشائعة في مجال الأشعة، نحن لسنا بحاجة إلى صور الـ "فيراري" (16-بت). صور الـ "سيدان" (8-بت) قادرة تمامًا على أداء المهمة، وهي أرخص في التخزين، وأسرع في الاستخدام، دون التضحية بجودة التشخيص. يمكن أن يساعد هذا في جعل الرعاية الصحية المعتمدة على الذكاء الاصطناعي أسرع، وأرخص، وأكثر سهولة في الوصول إليها للجميع.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.