Συνθετικά Δεδομένα: Αλλαγή Φυλής σε Προσωπογραφίες για την Αντιμετώπιση του Προκαταλήγματος στις Ιατρικές Βάσεις Δεδομένων

Ερευνητές στο UCLA έχουν αναπτύξει μια μέθοδο για να αλλάξουν την εμφανιζόμενη φυλή των προσώπων σε βάσεις δεδομένων που χρησιμοποιούνται για την εκπαίδευση ιατρικών συστημάτων μηχανικής μάθησης, σε μια προσπάθεια να αντιμετωπίσουν το φυλετικό προκατάληψη που πολλά κοινά σύνολα δεδομένων υποφέρουν από.

Η νέα τεχνική είναι ικανή να παράγει φωτορεαλιστικά και φυσιολογικά ακριβή συνθετικά βίντεο με μέσο ρυθμό 0,005 δευτερολέπτων ανά καρέ, και ελπίζεται να βοηθήσει στην ανάπτυξη νέων διαγνωστικών συστημάτων για τηλεϊατρική διάγνωση και παρακολούθηση – ένα πεδίο που έχει expander πολύ υπό τις περιορισμοί του COVID. Το σύστημα προορίζεται να βελτιώσει την εφαρμοσιμότητα της τηλεφωτοπληθυσμογραφίας (rPPG), μια τεχνική υπολογιστικής όρασης που αξιολογεί το περιεχόμενο των βίντεο προσώπων για να ανιχνεύσει αλλαγές στον όγκο του αίματος με μη επεμβατικό τρόπο.

Πηγή: https://arxiv.org/pdf/2106.06007.pdf. Κάντε κλικ για μεγέθυνση.

Хотя το έργο, το οποίο χρησιμοποιεί συνελικτικές νευρωνικές δικτυώσεις (CNNs), ενσωματώνει προηγούμενο ερευνητικό κώδικα δημοσιευμένο από το Πανεπιστήμιο του Ντάραμ στο Ηνωμένο Βασίλειο το 2020, η νέα εφαρμογή προορίζεται να διατηρεί τους παλμούς σήματα στα αρχικά δεδομένα, και όχι μόνο να αλλάζει την εμφανιζόμενη φυλή των δεδομένων, όπως το έργο του 2020.

CNNs Για Φυλετική Μεταμόρφωση

Το πρώτο μέρος του συστήματος κωδικοποιητή-αποκωδικοποιητή χρησιμοποιεί το μοντέλο μεταφοράς φυλής του Ντάραμ, προ-εκπαιδευμένο στο VGGFace2, για να παράγει proxy στόχους με το προηγούμενο Καυκασιανό-Αφρικανικό συνθετικό του ερευνά του Ντάραμ. Αυτό παράγει μια επίπεδη μεταφορά φυλετικών χαρακτηριστικών, αλλά δεν περιέχει τις παραλλαγές στο χρώμα και την απόχρωση που αντιπροσωπεύουν οπτικές φυσιολογικές ενδείξεις της κατάστασης του αίματος του ασθενούς.

Η διαδικασία μεταμόρφωσης από την έρευνα του 2020 του Πανεπιστημίου του Ντάραμ, μέρος της οποίας ενσωματώνεται στην νέα έρευνα του UCLA. Πηγή: https://arxiv.org/pdf/2004.08945.pdf. Κάντε κλικ για μεγέθυνση.

Ένα δεύτερο δίκτυο, που ονομάζεται PhysResNet (PRN), παρέχει το συνθετικό μέρος της rPPG. Το PhysResNet εκπαιδεύεται για να μάθει τόσο την οπτική εμφάνιση όσο και τις παραλλαγές στο χρώμα που ορίζουν τις κινήσεις του υποδορίου όγκου του αίματος.

Κάτω αριστερά, τα αποτελέσματα που λαμβάνονται από την έρευνα του 2020 του Ντάραμ, χωρίς πληροφορίες PPG. Μέσο αριστερά, οι πληροφορίες PPG που ενσωματώνονται στη φυλετική μεταμόρφωση. Κάντε κλικ για μεγέθυνση.

Η αρχιτεκτονική που προτείνει το έργο του UCLA υπερτερεί των ανταγωνιστικών τεχνικών rPPG ακόμη και στην απουσία της αύξησης του χρώματος του δέρματος, αντιπροσωπεύοντας μια βελτίωση 31% σε σχέση με τις παρόμοιες τεχνικές που έχουν βελτιστοποιηθεί με MAE και RMSE.

Το δίκτυο του UCLA διατηρεί με επιτυχία τις πληροφορίες όγκου και κατανομής του αίματος. Κάντε κλικ για μεγέθυνση.

Οι ερευνητές του UCLA ελπίζουν ότι μελλοντικά έργα θα αναλάβουν πιο εκτεταμένες προκλήσεις για την αντιμετώπιση του φυλετικού προκαταλήγματος σε αυτόν τον τομέα της ιατρικής εικόνας, και ελπίζουν επίσης ότι μεταγενέστερα σχήματα θα παράγουν υψηλότερης ανάλυσης βίντεο,既然 το σύστημα υπό εξέταση είναι περιορισμένο σε ανάλυση 80×80 pixel – κατάλληλο για τις Telehealth, αλλά όχι ιδανικό.

Ελλειψη Εθνοτικά Ποικίλων Δεδομένων

Οι οικονομικές και πρακτικές περιστάσεις που οδηγούν σε εθνοτικά ποικίλα δεδομένα έχουν αποτελέσει εμπόδιο για την ιατρική έρευνα για κάποια χρόνια. Τα δεδομένα έχουν τη趨勢 να παράγονται τοπικά, με πολλά παράγοντες που συνεισφέρουν σε μια συχνή ομοιογένεια των δεδομένων με Καυκασιανό κέντρο. Αυτοί περιλαμβάνουν τη σύνθεση των μειονοτικών δημογραφικών σταudades όπου διεξάγεται η έρευνα, και άλλους κοινωνικοοικονομικούς παράγοντες που μπορεί να επηρεάσουν το βαθμό στον οποίο τα μη λευκά υποκείμενα εμφανίζονται σε δυτικές βάσεις δεδομένων που οι ερευνητές θα ήθελαν να είχαν μια πιο παγκόσμια εφαρμοσιμότητα.

Στις χώρες με υψηλότερο ποσοστό μελανοδέρμων υποκειμένων, τα απαραίτητα εξοπλισμός και πόρους για τη συλλογή των δεδομένων συχνά λείπουν.

Χάρτης τόνου δέρματος για ιθαγενείς λαούς, από το Αμερικανικό Ιατρικό Ανθρωπολογικό Περιοδικό.

Σήμερα, τα μελανοδέρμα υποκείμενα είναι αξιοσημείωτα υποαντιπροσωπεύονται στις βάσεις δεδομένων rPPG, αντιπροσωπεύοντας 0%, 5% και 10% του περιεχομένου των τριών основικών βάσεων δεδομένων που χρησιμοποιούνται για αυτόν τον σκοπό.

Ομοιογενής Καυκασιακός Δεδομένα

Το 2019, νέα έρευνα δημοσιευμένη στο Επιστήμη βρήκε ότι ένας αλγόριθμος που χρησιμοποιείται ευρέως στις αμερικανικές νοσοκομειακές υπηρεσίες ήταν βαθιά προκατειλημμένος υπέρ των Καυκασίων υποκειμένων. Η μελέτη βρήκε ότι οι μαύροι άνθρωποι ήταν λιγότερο πιθανό να ανατεθούν σε εξειδικευμένη φροντίδα κατά τη διάρκεια της τριάδας και των βαθύτερων επιπέδων εισαγωγής στο νοσοκομείο.

Μια weitere έρευνα το ίδιο έτος από ερευνητές στη Μαλαισία και την Αυστραλία καθόρισαν το γενικό πρόβλημα του ‘Δικού Μας Φυλετικού Προκαταλήγματος’ για τη δημιουργία βάσεων δεδομένων σε πολλές περιοχές του κόσμου, συμπεριλαμβανομένης της Ασίας.

Πιθανές Περιορισμοί Κλίμακας και Αρχιτεκτονικής

Ορισμένα από τα περιορισμοί που οδήγησαν σε περιορισμένα εθνοτικά δεδομένα είναι πρακτικοί παρά ηθικοί. Η ευρύτερη η ποικιλία των συνεισφερόντων δεδομένων, το καλύτερο γενικεύει σε όλα τα υποκείμενα που εμφανίζονται σε αυτά τα δεδομένα, αλλά το λιγότερο το πρόγραμμα εκπαίδευσης είναι πιθανό να αντιληφθεί μοτίβα μέσα σε οποιοδήποτε einzel χαρακτηριστικό δεδομένων, συμπεριλαμβανομένης της φυλής, επειδή ένα μικρότερο ποσοστό του χρόνου εκπαίδευσης, της προσοχής και των πόρων είναι διαθέσιμο για κάθε αναγνωρίσιμο υποσύνολο των δεδομένων.

Αυτό μπορεί να οδηγήσει σε μοντέλα που είναι ευρέως εφαρμοσμένα αλλά λαμβάνουν λιγότερα συγκεκριμένα αποτελέσματα, λόγω των περιορισμών του μεγέθους των δεδομένων, της οικονομίας του μεγέθους batch, και των πρακτικών περιορισμών του latent χώρου ως συνάρτηση των περιορισμένων πόρων υλικού.

Στην άλλη άκρη, αν και αποτελεσματικά και λεπτομερή αποτελέσματα μπορούν να ληφθούν με την περιστολή των εισαγωγικών δεδομένων σε ένα πιο περιορισμένο σύνολο χαρακτηριστικών, συμπεριλαμβανομένης της φυλής, τα αποτελέσματα είναι πιθανό να είναι ‘υπερ-προσαρμοσμένα’ στα περιορισμένα δεδομένα, και όχι ευρέως εφαρμοσμένα, vielleicht ακόμη και σε μη είδη υποκειμένων στην ίδια γεωγραφική περιοχή από την οποία τα αρχικά δεδομένα υποκειμένων λήφθηκαν.

Συνθετικά Άβαταρ Για Προσομοίωση PPG

Το έγγραφο του UCLA σημειώνει επίσης προηγούμενη εργασία από την Microsoft Research το 2020 σχετικά με τη χρήση φυλετικά εύκαμπτων συνθετικών αβατάρ, η οποία αξιοποιεί την 3D σύνθεση εικόνας για τη δημιουργία βίντεο προσώπων πλούσιων σε πληροφορίες PPG.

Συνθετικά άβαταρ που δημιουργήθηκαν από την έρευνα της Microsoft, με ray-traced εικόνες που περιέχουν δεδομένα PPG. Πηγή: https://arxiv.org/pdf/2010.12949.pdf. Κάντε κλικ για μεγέθυνση.