Psoriasis detection and classification using MobileNetV3 and Coordinate attention

ملخص تقني: كشف وتصنيف الصدفية باستخدام MobileNetV3 وانتباه الإحداثيات (Coordinate Attention)

بيان المشكلة
الصدفية هي حالة جلدية مستمرة تصيب 2-3% من سكان العالم، وتتميز بوجود لويحات حمراء وقشور فضية. ورغم أنها ليست مهددة للحياة، إلا أنها تسبب ضائقة نفسية كبيرة ويمكن أن تؤدي إلى أمراض مصاحبة مثل التهاب المفاصل الصدفي. يعد التشخيص أمراً صعباً بسبب التباين السريري (سبعة أنواع متميزة)، والتشابه مع حالات جلدية أخرى، وذاتية التقييم السريري اليدوي. علاوة على ذلك، فإن مؤشرات الشدة الحالية (مثل PASI) تتسم بالذاتية وغالباً ما تفشل في مراعاة عوامل محددة مثل الحكة أو المناطق التي يصعب علاجها. وبينما أظهر التعلم العميق (DL) إمكانات واعدة في التصوير الطبي، إلا أن هناك نقصاً في مجموعات البيانات الشاملة للتصنيف متعدد الفئات للصدفية، كما تعاني النماذج الحالية غالباً من عدم توازن الفئات والاختلافات الطفيفة بين الفئات في الآفات الجلدية.

المنهجية
تقترح الدراسة إطار عمل للتعلم العميق يستخدم MobileNetV3-Small مدمجاً مع آلية انتباه الإحداثيات (CA) لتصنيف صور الصدفية إلى سبعة أنواع متميزة. تتبع المنهجية مساراً منظماً:

1. بناء مجموعة البيانات: تم إنشاء مجموعة بيانات مخصصة تضم 2,101 صورة، تغطي سبعة أنواع: الصدفية الحمامي، والصدفية النقطية، والصدفية العكسية، وصدفية الأظافر، والصدفية اللويحية، والتهاب المفاصل الصدفي (PsA)، والصدفية القشرية. تم الحصول على البيانات من مستودعات عامة (Kaggle) وخضعت للمعالجة المسبقة، بما في ذلك تغيير الحجم إلى 96×96 بكسل وتطبيع شدة البكسل إلى النطاق [-1, 1].
2. بنية النموذج:
   • العمود الفقري (Backbone): تستخدم الدراسة MobileNetV3-Small، الذي تم اختياره لانخفاض تكلفته الحسابية وزمن الاستجابة مع الحفاظ على الدقة. وهو يستخدم عمليات التلاف (convolutions) المنفصلة بعمق.
   • آلية الانتباه: لمعالجة قصور كتل "الضغط والإثارة" (Squeeze-and-Excitation) القياسية (التي تفتقر إلى المعلومات المكانية)، دمج المؤلفون انتباه الإحداثيات (CA). تقوم هذه الآلية بإجراء تجميع أفقي وعمودي لترميز المعلومات المكانية، مما يولد خرائط انتباه توجه النموذج للتركيز على ميزات "أين" و"ماذا" داخل الآفة.
   • رأس التصنيف: تتضمن البنية طبقة تجميع متوسط عالمي (Global Average Pooling)، وطبقة كثيفة (Dense layer) تحتوي على 512 عصبون باستخدام دالة تنشيط Swish، وطبقة مخرجات Softmax للفئات السبع.
3. استراتيجية التدريب:
   • التعلم بنقل الخبرة (Transfer Learning): تم تهيئة النموذج بأوزان مدربة مسبقاً على ImageNet. تم إلغاء تجميد الطبقات العليا للضبط الدقيق بدءاً من الطبقة 150 لاستخراج الميزات عالية المستوى الخاصة بمجموعة بيانات الصدفية.
   • دوال الخسارة: تقارن الدراسة بين خسارة الإنتروبيا المتقاطعة (CL) والخسارة الهجينة (HL) المقترحة. تجمع HL بين الإنتروبيا المتقاطعة، وخسارة التركيز (Focal Loss)، وتقنيات تنعيم الملصقات (Label Smoothing) للتخفيف من عدم توازن الفئات وفرط التخصيص (overfitting). تُعرف الخسارة المركبة كالتالي: $L_{Composite} = \beta L_{CL} + \phi L_{FL}$، حيث تم ضبط المعلمات الفائقة (تحديداً $\phi = 0.75$).
   • التحسين (Optimization): تم استخدام محسن Adam مع معدل تعلم قدره $1 \times 10^{-5}$ على مدار 50 حقبة تدريبية.

المساهمات الرئيسية

• إنشاء مجموعة البيانات: تطوير مجموعة بيانات شاملة تحتوي على 2,101 صورة عبر سبعة أنواع من الصدفية، مما يعالج ندرة بيانات الصدفية متعددة الفئات المتاحة علناً.
• الابتكار في البنية: إثبات أن دمج انتباه الإحداثيات في MobileNetV3 يعزز بشكل كبير من كشف الاختلافات الدقيقة بين الأنواع السبعة للصدفية.
• تحسين دالة الخسارة: تقديم والتحقق من صحة دالة خسارة هجينة (تجمع بين CL، وFocal Loss، وLabel Smoothing) والتي تتفوق على خسارة الإنتروبيا المتقاطعة القياسية في التعامل مع عدم توازن الفئات وتحسين الدقة.
• التحليل المقارن: إجراء مقارنة صارمة مع النماذج الرائدة، بما في ذلك VGG19، ومجموعة نماذج ResNet (ResNet50V2, ResNet101V2, ResNet152V2) تحت ظروف تجريبية متطابقة.

النتائج
حقق نموذج MobileNetV3-Small + CA + Hybrid Loss المقترح أعلى مقاييس الأداء:

• الدقة: وصل النموذج إلى دقة 98.40% في مهمة التصنيف متعدد الفئات. ويمثل هذا تحسناً كبيراً مقارنة بـ MobileNetV3-Small مع CA باستخدام خسارة الإنتروبيا المتقاطعة فقط (93.20%) والنماذج المرجعية الأخرى (VGG19: 94.02%، ومجموعة ResNet: 91.20%).
• التقارب (Convergence): أشارت منحنيات التدريب إلى أن النموذج المقترح حقق تقارباً سريعاً بدقة تدريب عالية (97–98%) وخسارة تدريب منخفضة (0.25).
• التعميم: أظهر النموذج دقة تحقق (validation accuracy) متفوقة (حوالي 75-78%) وخسارة تحقق أقل مقارنة بالنماذج التي تستخدم الإنتروبيا المتقاطعة فقط، مما يشير إلى انخفاض فرط التخصيص.
• الأداء حسب الفئة: أظهر النموذج حساسية محسنة للفئات الصعبة مثل الصدفية العكسية وصدفية الأظافر، والتي غالباً ما تعاني من سوء التصنيف في الشبكات العصبية الالتفافية (CNN) القياسية.

الأهمية والادعاءات
تدعي الورقة أن دمج انتباه الإحداثيات والخسارة الهجينة يوفر نظام دعم موثوق ومنخفض التكلفة لأطباء الجلد. ومن خلال تحقيق دقة عالية في التمييز بين سبعة أنواع محددة، يعالج النموذج قيود التشخيص اليدوي، مثل التباين في التفسير واستهلاك الوقت. ويؤكد المؤلفون أن هذا النهج يقدم دعماً تقنياً دقيقاً لإدارة كميات كبيرة من صور الجلد، مما قد يحسن جودة حياة المرضى من خلال تشخيص مبكر وأكثر دقة.

القصور والنطاق المستقبلي
يقر المؤلفون بعدة قيود:

• ندرة البيانات: تظل مجموعة البيانات، رغم تحسنها، محدودة الحجم والتنوع فيما يتعلق بظروف الإضاءة وسمات المرض.
• التجزئة (Segmentation): يركز العمل الحالي على التصنيف؛ يجب أن تدمج الأبحاث المستقبلية تجزئة منطقة الاهتمام (region-of-interest segmentation) للتعامل مع السيناريوهات الواقعية حيث لا تكون الآفات معزولة تماماً.
• الكفاءة الحسابية: بينما يعد MobileNetV3 خفيف الوزن، إلا أن هناك حاجة لمزيد من تقليل التكاليف الحسابية من أجل النشر.
• تحديات الارتباط: تشير الدراسة إلى أن الارتباط العالي بين بعض صور الصدفية لا يزال يمكن أن يؤدي إلى خطأ في التحديد، مما يستوجب مزيداً من البحث للتمييز بين الأنواع شديدة التشابه.