البيانات الاصطناعية: تغيير العرق في الصور الوجهية لمعالجة الانحياز في مجموعات البيانات الطبية

قام باحثون في جامعة كاليفورنيا ب開発 طريقة لتغيير العرق الظاهر للوجوه في مجموعات البيانات المستخدمة لتدريب أنظمة التعلم الآلي الطبية، في محاولة لتصحيح الانحياز العرقي الذي تعاني منه العديد من مجموعات البيانات الشائعة.

الطريقة الجديدة قادرة على إنتاج فيديو اصطناعي واقعي ومتوافق مع علم الأحياء بمتوسط معدل 0.005 ثانية لكل إطار، ويأمل أن يساعد في تطوير أنظمة تشخيص جديدة لتشخيص ومراقبة الرعاية الصحية عن بعد – مجال توسع بشكل كبير تحت قيود كوفيد. يهدف النظام إلى تحسين ملاءمة تقنية رصد النبض عن بعد (رPPG)، وهي تقنية رؤية حاسوبية تقييم محتوى الفيديو الوجهي لاكتشاف التغييرات الحجمية في الإمداد الدموي بطريقة غير غازية.

المصدر: https://arxiv.org/pdf/2106.06007.pdf. انقر لتحويل الحجم.

على الرغم من أن العمل، الذي يستخدم الشبكات العصبية التلافيفية (CNNs)، يدمج رمز البحث السابق المنشور منشور من جامعة دورهام في المملكة المتحدة في عام 2020، فإن التطبيق الجديد يهدف إلى الحفاظ على الإشارات النبضية في بيانات الاختبار الأصلية، بدلاً من تغيير العرق الظاهر للبيانات فقط، كما تفعل الأبحاث في عام 2020.

CNNs لتحويل العرق

الجزء الأول من نظام التشفير-فك التشفير يستخدم نموذج نقل العرق في دورهام، الذي تم تدريبه مسبقًا على VGGFace2، لإنشاء إطارات الهدف بال代理 مع مكون كاوتشيان-إفريقي السابق في بحث دورهام. هذا ينتج نقلًا مسطحًا للخصائص العرقية، ولكنه لا يحتوي على التباين في اللون واللون الذي يمثل المؤشرات الفسيولوجية البصرية لحالة تدفق الدم لل患者.

خط أنابيب التحويل من بحث عام 2020 من جامعة دورهام، وهو جزء من البحث الجديد في جامعة كاليفورنيا. المصدر: https://arxiv.org/pdf/2004.08945.pdf. انقر لتحويل الحجم.

شبكة ثانية، تسمى PhysResNet (PRN)، توفر مكون رPPG. يتم تدريب PhysResNet على التعلم من المظهر البصري والتغيرات اللونية التي تحدد حركات الحجم الدموي تحت الجلد.

الزاوية اليسرى السفلى، النتائج التي تم الحصول عليها من بحث دورهام في عام 2020، والتي تفتقر إلى معلومات رPPG. الوسط اليسر، معلومات رPPG التي تم دمجها في تحويل العرق. انقر لتحويل الحجم.

الهيئة التي يقترحها مشروع جامعة كاليفورنيا تتفوق على تقنيات رPPG التنافسية حتى في غياب تعزيز لون البشرة، مما يمثل تحسنًا بنسبة 31% على التقنيات المماثلة المثلى مع MAE و RMSE.

شبكة جامعة كاليفورنيا تحافظ بنجاح على معلومات حجم الدم وتوزيعه. انقر لتحويل الحجم.

تأمل باحثو جامعة كاليفورنيا أن يتم في العمل المستقبلي اتخاذ تحديات أكثر شمولاً لمعالجة الانحياز العرقي في هذا القطاع من التصوير الطبي، وتأمل أيضًا أن تنتج مخططات لاحقة فيديو بدقة أعلى، حيث أن النظام المذكور محدود بقرار 80×80 بكسل – مناسب بشكل معقول لقيود التطبيب عن بعد، ولكن ليس مثاليًا.

نقص مجموعات البيانات العرقية المتنوعة

الظروف الاقتصادية والعملية التي تؤدي إلى مجموعات بيانات متنوعة عرقياً كانت عائقًا للبحث الطبي لعدة سنوات. تميل البيانات إلى أن تُنشأ على الصعيد المحلي، مع العديد من العوامل التي تساهم في التجانس الكاوتشيان الشائع لموضوعات البيانات. وتشمل هذه العوامل تركيبة ديموغرافية الأقليات في المدن التي تتم فيها الأبحاث، وعوامل اجتماعية اقتصادية أخرى قد تؤثر على مدى ظهور الموضوعات غير البيضاء في مجموعات البيانات الغربية التي يرغب الباحثون في أن تكون أكثر عالمية.

في البلدان التي تضم نسبة أعلى من الموضوعات ذوي البشرة الداكنة، غالبًا ما تفتقر إلى المعدات والموارد اللازمة لجمع البيانات.

خريطة لون البشرة العالمية للشعوب الأصلية، من مجلة الأنثروبولوجيا الفيزيائية الأمريكية.

في الوقت الحالي، الموضوعات ذوي البشرة الداكنة تمثّل نسبة منخفضة بشكل ملحوظ في مجموعات بيانات رPPG، حيث تمثل 0٪ و 5٪ و 10٪ من محتوى ثلاث قواعد بيانات رئيسية تستخدم بشكل شائع لهذا الغرض.

بيانات كاوتشيانة متجانسة

في عام 2019، نشر بحث جديد نشر في ساينس وجد أن خوارزمية شائعة في رعاية المستشفيات الأمريكية كانت متحيزة بشكل كبير لصالح الموضوعات الكاوتشيان. وجدت الدراسة أن الأشخاص السود أقل احتمالاً للاستفادة من الرعاية المتخصصة في التriage وأعماق مستويات قبول المستشفى.

أجرى بحث إضافي في ذلك العام من قبل باحثين في ماليزيا وأستراليا أثبت المشكلة العامة لانحياز العرق الخاص “للمجموعة” لإنشاء مجموعة بيانات عبر nhiều مناطق من العالم، بما في ذلك آسيا.

قيود محتملة للنطاق والهيكل

بعض القيود التي أدت إلى مجموعات بيانات محدودة العرق هي عمليات أكثر منها أخلاقية. كلما زادت مجموعة البيانات، زادت القدرة على التعميم عبر الموضوعات الموجودة في تلك البيانات، ولكن كلما قلت فرصة أن يفهم نموذج التوجيه الأنماط داخل أي سمة من سمات البيانات، بما في ذلك العرق، لأن جزءًا أصغر من وقت التدريب والاهتمام والموارد متاح لكل مجموعة فرعية من البيانات.

يمكن أن يؤدي هذا إلى نماذج شائعة التطبيق ولكنها تحصل على نتائج أقل تحديداً، بسبب قيود حجم البيانات واقتصاد حجم الباتش وقيود الفضاء الكامن كدالة للموارد المادية المحدودة.

في الطرف الآخر، على الرغم من أن النتائج الفعالة والمتفصلة يمكن الحصول عليها عن طريق تقييد بيانات الإدخال إلى مجموعة محدودة من الخصائص، بما في ذلك العرق، فإن النتائج من المحتمل أن تكون “مفروضة” على البيانات المحدودة، ولا تكون قابلة للتطبيق على نطاق واسع، ربما حتى عبر موضوعات غير مرئية في نفس المنطقة الجغرافية التي تم الحصول منها على موضوعات مجموعة البيانات الأصلية.

الأفاتار الاصطناعية لتحاكي رPPG

يذكر أيضًا ورقة جامعة كاليفورنيا العمل السابق من.microsoft Research في عام 2020 حول استخدام الأفاتار الاصطناعية القابلة للتغيير العرقي، والتي تستخدم合成 الصور ثلاثية الأبعاد لإنشاء فيديوهات الوجه غنية بمعلومات رPPG.

الأفاتار الاصطناعية التي أنشأها بحث مايكروسوفت، مع صور محسنة بالأشعة تحت الحمراء التي تحتوي على بيانات رPPG. المصدر: https://arxiv.org/pdf/2010.12949.pdf. انقر لتحويل الحجم.