اگه از دنیای هوش مصنوعی و تکنولوژی خوشت میاد، این مقاله برات خیلی جذابه! مخصوصاً اگه بخوای بدونی که الان چطور میشه با عکس‌های ساده ایکس‌ری (همون عکس‌هایی که تو بیمارستان‌ها از قفسه سینه می‌گیرن) بفهمیم یه نفر کرونا داره یا نه. بیا با هم بفهمیم چه خبر بوده تو این تحقیقات جدید!
خب اول از همه بگم که Deep Learning یا یادگیری عمیق، یه شاخه باحال و عجیب از هوش مصنوعیه که طی چند سال اخیر واسه آنالیز عکس‌ها غوغا کرده! یعنی الان یه سری مدل درست کردن که خودشون می‌تونن تو عکس دنبال چیزای مختلف بگردن و تشخیص بدن.
یه موضوع دیگه هم Deep Transfer Learning یا به اختصار DTL هست. این یعنی مدل‌هایی که قبلاً روی کلی دیتا آموزش دیدن، حالا یه کوچولو روشون کار می‌کنیم که بتونن توی یک موضوع خاص (مثلاً تشخیص کرونا تو عکس ایکس‌ری) هم کار کنن و لازم نیست همه چی رو از صفر بهشون یاد بدیم.
حالا این تیم تحقیقاتی اومده یه مدل DTL جدید تعریف کرده که خیلی با بقیه فرق داره. برعکس روش‌های قبلی که فقط یه مدل رو آموزش می‌دادن، اینا سه مدل رو با هم قاطی کردن و روی چند مدل معروف آزمایش کردن: AlexNet، EfficientNetB1، ResNet18، و VGG16. هرکدوم از اینا مدل‌های معروف یادگیری عمیق هستن که قبلاً روی دیتاهای بزرگی (مثل عکس‌های گوگل یا اینستاگرام!) آموزش دیدن و حالا توی تشخیص پزشکی هم دارن کمک می‌کنن.
یه نکته جالب دیگه اینه که از YOLOV4 هم استفاده کردن. YOLO معمولاً برای تشخیص اشیاء مختلف توی عکس‌ها استفاده میشه (مثلاً تو دوربین‌های هوشمند که خودبه‌خود فیس شناسایی می‌کنن)، ولی اینجا اومدن تست کردن ببینن تو تشخیص علائم کرونا تو ایکس‌ری چقدر جواب میده.
مدلشون به سه روش مختلف آزمایش شده:
- یه بار پارامترهای مدل (مثل نرخ یادگیری، اندازه دسته یا batch size، و تعداد دفعات آموزش یا epoch) رو خودشون دستی انتخاب کردن. این پارامترها توی یادگیری ماشین خیلی مهم هستن و می‌تونن نتیجه رو کلی تغییر بدن!
- تو مرحله بعدی، از یه روشی به اسم k-fold cross-validation استفاده کردن. این یه سبک آزمایشه که مدل رو روی چند بخش مختلف دیتا می‌سنجه تا مطمئن شه مدلشون واقعا خوب کار می‌کنه نه اینکه فقط شانس آورده باشه!
- روش سوم هم باحال‌تره؛ اومدن از Genetic Algorithm یا الگوریتم ژنتیکی استفاده کردن. این یه روش هوشمنده که سعی می‌کنه خودش بهترین پارامترها رو پیدا کنه، تقریباً مثل انتخاب طبیعی تو طبیعت که بهترین ژن‌ها باقی می‌مونن!
خب، اینا رو روی یه دیتاست معروف از Kaggle (یه سایت خیلی بزرگ برای دیتاست‌ها و مسابقات برنامه‌نویسی) امتحان کردن که بیش از ۵۰۰۰ نمونه ایکس‌ری توش بوده. بین همه این مدل‌ها و روش‌ها، مشخص شد ResNet18 با الگوریتم ژنتیکی بهترین جواب رو داده! حتی رفتن روی یه دیتاست دیگه هم تست کردن که مطمئن شن نتیجه کارشون تصادفی نبوده.
از همه بهتر، روی این سیستم یه سری حملات شبیه‌سازی شده هم انجام دادن؛ یعنی سعی کردن مدل رو با تصاویر خراب و دستکاری شده گول بزنن تا ببینن چقدر مقاومه و خوشبختانه فهمیدن که مدلشون حسابی مقاوم و قابل اعتماده.
نتایج چطور بود؟ همه رو میخوام خوشحال کنم: دقت (Accuracy) رسید به ۹۹/۵۷ درصد! معیار F1 (که نشون میده چقدر مدل درست تشخیص میده) شد ۹۹/۵۰ درصد، دقت یا Precision اومد روی ۹۹/۴۴ و میانگین سطح زیر منحی ROC (AUC) شد ۹۹/۸۹. خلاصه یه سوپراستار حسابی ساختن!
حالا چرا این موضوع اینقدر مهمه؟ چون میشه این کار رو تو یه برنامه تحت وب هم پیاده کرد، یعنی تو جاهایی که دکتر و دستگاه نیست یا منابع پزشکی کمه، کار تشخیص کرونا از روی عکس ایکس‌ری راحت‌تر و خودکار انجام بشه. حتی میشه دکترهای تازه‌کار رو با این روش آموزشی حسابی قوی کرد!
در یک کلام: این مدل واقعاً می‌تونه کمک کنه تا هم تشخیص کرونا سریع‌تر و راحت‌تر بشه، هم آموزش پزشکان حوزه تصویربرداری بهتر پیش بره. آینده، اینجاست؛ هوش مصنوعی داره کم‌کم وارد همه جا میشه!
منبع: +
