تشخیص تومور مغزی با مدل MobileDenseAttn: سریع، دقیق و قابل فهم!

Fall Back

خب بذارید یه خبر عالی براتون بگم درباره تشخیص تومور مغزی با هوش مصنوعی! تا حالا شده MRI مغزی رو ببینید و فکر کنید چطوری دکترها اینهمه عکس رو بررسی می‌کنن؟ واقعاً کار زمان‌بر و خسته‌کننده‌ایه و حتی ممکنه اشتباه هم رخ بده. حالا یه تیم خفن یه مدل جدید ساختن که می‌تونه این کارو هم سریع‌تر انجام بده هم دقیق‌تر و هم بفهمیم دقیقاً چی داره تو مغز می‌بینه!

این مدل باحال اسمش MobileDenseAttn ـه (که یه ترکیب خلاقانه از دو مدل معروف یادگیری عمیق به اسم‌های MobileNetV2 و DenseNet201 ـه. اینا تو دنیای هوش مصنوعی مدل‌هایی هستن که هر کدومشون برای شناسایی ویژگی‌ها تو عکس تخصص دارن. اینا رو با هم ترکیب کردن تا نقاط قوت هر دو رو داشته باشن). این مدل دو تا جریان جداگانه برای پردازش داره (دو-جریانی یا Dual-Stream)، یعنی اطلاعات رو همزمان و متفاوت بررسی می‌کنه که بیشتر ویژگی‌ها رو بگیره.

یه چیزی هم که خیلی مهمه اینه که مدل فقط به دنبال دقت بالا نبوده، بلکه توضیح‌پذیر هم هست. توضیح‌پذیری یعنی شما بتونید بفهمید مدل چرا این تصمیم رو گرفته، نه اینکه فقط یه جواب بده و هیچ‌کس نفهمه دلیلش چی بوده! برای این کار از GradCAM استفاده کردن (یه تکنیک تصویری که نشون می‌ده مدل دقیقاً از کدوم قسمت عکس به نتیجه رسیده. مثلاً اگر مدل گفته تو این تصویر تومور هست، GradCAM نشون می‌ده کدوم نقطه‌ها رو مدنظر داشته).

حالا، این مدل رو روی یه دیتاست بزرگ و تقویت‌شده (دیتاست، یعنی مجموعه بزرگی از داده‌ها که برای آموزش مدل استفاده می‌کنن؛ تقویت‌شده یعنی با روش‌هایی مثل چرخوندن و تغییر اندازه تصاویر، تعداد عکس‌ها رو زیاد کردن تا مدل قوی‌تر شه) با ۶۰۲۰ تا عکس MRI آموزش دادن که چهار دسته مختلف داشتن: گلیوما (نوعی تومور مغزی)، مننژیوم (یه نوع دیگه)، تومور هیپوفیز (تومور غده هیپوفیز) و نمونه‌های سالم.

حالا بیاید سراغ نتایج! این مدل جدید تو آموزش تونسته به دقت ۹۹.۷۵ درصد (یعنی حدوداً هیچ عکسی رو اشتباه پیش‌بینی نکرده!) و تو تست هم ۹۸.۳۵ درصد دقت بگیره. امتیاز F1 هم ۰.۹۸۳۵ بوده (عدد F1 یه معیار ترکیبی برای سنجش دقت و کامل بودن مدل هست که هرچی به یک نزدیک‌تر باشه بهتره، اینجا واقعاً عدد عالی‌ایه).

یه جالبی دیگه اینکه وقتی این مدل رو با بقیه مدل‌ها مثل VGG19 و DenseNet201 و MobileNetV2 مقایسه کردن، نه‌تنها دقت بیشتری داشته (مثلاً ۳.۶۷ درصد بیشتر از بقیه!)، بلکه زمان آموزش هم ۳۹.۳ درصد کمتر از VGG19 بوده. خلاصه هم سریع‌تره، هم دقیق‌تره!

به کمک اون هیتمپ‌های GradCAM هم الآن دکترها می‌تونن ببینن مدل دقیقاً کجا رو تو مغز نشون داده و بر چه اساسی گفته که این یه توموره. این خیلی برای اعتماد به مدل مهمه و باعث می‌شه بشه از این مدل واقعاً تو درمان‌های بالینی و دنیای واقعی استفاده کرد، نه فقط تو آزمایشگاه.

در کل، این روش هم سریع، هم دقیق، هم قابل درک برای پزشک‌ها و کارشناسانه و پتانسیل اینو داره که خیلی زود وارد بیمارستان‌ها و کلینیک‌ها بشه و به تشخیص سریع‌تر و بهتر تومورهای مغزی کمک کنه!

منبع: +