Dados Sintéticos: Alterando a Raça em Imagens Faciais para Abordar Viés em Conjuntos de Dados Médicos

Pesquisadores da UCLA desenvolveram um método para alterar a raça aparente de faces em conjuntos de dados utilizados para treinar sistemas de aprendizado de máquina médica, em uma tentativa de corrigir o viés racial que muitos conjuntos de dados comuns sofrem.

A nova técnica é capaz de produzir vídeo sintético fotorealista e fisiologicamente preciso a uma taxa média de 0,005 segundos por quadro, e é esperado para ajudar no desenvolvimento de novos sistemas de diagnóstico e monitoramento de saúde remota – um campo que expandiu muito sob as restrições da COVID. O sistema é destinado a melhorar a aplicabilidade da fotopletismografia remota (rPPG), uma técnica de visão computacional que avalia o conteúdo de vídeo facial para detectar mudanças volumétricas no suprimento de sangue de forma não invasiva.

Fonte: https://arxiv.org/pdf/2106.06007.pdf. Clique para ampliar.

Embora o trabalho, que utiliza redes neurais convolucionais (CNNs), incorpore código de pesquisa anterior publicado pela Universidade de Durham, no Reino Unido, em 2020, a nova aplicação é destinada a preservar sinais pulsáteis nos dados de teste originais, em vez de apenas alterar visualmente a raça aparente dos dados, como a pesquisa de 2020 faz.

CNNs Para Transformação Racial

A primeira parte do sistema codificador-decodificador utiliza o modelo de transferência de raça de Durham, pré-treinado em VGGFace2, para gerar quadros de destino proxy com o componente caucasiano-africano anterior da pesquisa de Durham. Isso produz uma transferência plana de características raciais, mas não contém as variações de cor e tom que representam indicadores visuais fisiológicos do estado de fluxo sanguíneo do paciente.

O pipeline de transformação da pesquisa de 2020 da Universidade de Durham, parte do qual é incorporada à nova pesquisa da UCLA. Fonte: https://arxiv.org/pdf/2004.08945.pdf. Clique para ampliar.

Uma segunda rede, chamada PhysResNet (PRN), fornece o componente rPPG. PhysResNet é treinada para aprender tanto a aparência visual quanto as variações de cor que definem os movimentos de volume sanguíneo subcutâneo.

Embaixo à esquerda, os resultados obtidos pela pesquisa de 2020 da Universidade de Durham, faltando informações de PPG. Ao meio à esquerda, as informações de PPG incorporadas à transformação racial. Clique para ampliar.

A arquitetura que o projeto da UCLA propõe supera as técnicas de rPPG concorrentes, mesmo na ausência de aumento de cor de pele, representando uma melhoria de 31% em técnicas semelhantes otimizadas com MAE e RMSE.

A rede da UCLA preserva com sucesso as informações de volume e distribuição sanguínea. Clique para ampliar.

Os pesquisadores da UCLA esperam que trabalhos futuros empreendam desafios mais amplos para corrigir o viés racial neste setor de imagem médica, e esperam também que esquemas posteriores produzam vídeo de alta resolução, uma vez que o sistema em questão é limitado a uma resolução de 80×80 pixels – adequada razoavelmente bem às limitações da telemedicina, mas não ideal.

Falta De Conjuntos De Dados Etnicamente Diversos

As circunstâncias econômicas e práticas que levam a conjuntos de dados racialmente diversificados têm sido um obstáculo à pesquisa médica por alguns anos. Os dados tendem a ser gerados de forma paroquial, com muitos fatores contribuindo para uma frequente homogeneidade caucasiana dos sujeitos dos dados. Isso inclui a composição de minorias demográficas nas cidades onde a pesquisa ocorre, e outros fatores socioeconômicos que podem influenciar a extensão com que sujeitos não brancos aparecem em conjuntos de dados ocidentais que os pesquisadores desejam que tenham uma aplicabilidade mais global.

Nos países com uma proporção mais alta de sujeitos de pele escura, o equipamento e os recursos necessários para coletar os dados frequentemente estão faltando.

Um mapa de tom de pele para povos indígenas, do American Journal of Physical Anthropology.

Atualmente, sujeitos de pele escura são notavelmente sub-representados em conjuntos de dados de rPPG, representando 0%, 5% e 10% do conteúdo dos três principais bancos de dados em uso comum para este propósito.

Dados Caucásicos Homogêneos

Em 2019, uma nova pesquisa publicada na revista Science encontrou que um algoritmo amplamente difundido nos cuidados hospitalares nos EUA estava fortemente viesado em favor de sujeitos caucasianos. O estudo encontrou que as pessoas negras eram menos propensas a serem encaminhadas para cuidados especializados em triagem e níveis mais profundos de admissão hospitalar.

Outra pesquisa realizada naquele ano por pesquisadores da Malásia e da Austrália estabeleceu o problema geral de ‘Viés de Raça Própria’ para geração de conjuntos de dados em muitas regiões do mundo, incluindo a Ásia.

Limitações Potenciais De Escala E Arquitetura

Algumas das limitações que levaram a conjuntos de dados de etnia limitada são pragmáticas, e não éticas. Quanto mais amplo o pluralismo dos dados contribuintes, melhor é a generalização dos dados em relação aos sujeitos apresentados nos dados, mas menor é a probabilidade de que o treinamento intuitivo padrões dentro de qualquer característica dos dados, incluindo raça, porque uma porcentagem menor do tempo de treinamento, atenção e recursos está disponível para cada subconjunto identificável dos dados.

Isso pode levar a modelos que são amplamente aplicáveis, mas obtêm resultados menos específicos, devido às restrições do tamanho dos dados, à economia do tamanho do lote e às limitações práticas do espaço latente como uma função de recursos de hardware limitados.

No outro extremo, embora resultados eficazes e granulares possam ser obtidos restringindo os dados de entrada a um conjunto mais limitado de características, incluindo etnia, os resultados são prováveis de ser ‘superajustados’ aos dados limitados e não amplamente aplicáveis, talvez nem mesmo em sujeitos não vistos na mesma área geográfica de onde os sujeitos originais do conjunto de dados foram obtidos.

Avatares Sintéticos Para Simulação De PPG

O artigo da UCLA também nota o trabalho anterior da Microsoft Research em 2020 sobre o uso de avatares sintéticos racialmente flexíveis, que aproveita a síntese de imagem 3D para criar vídeos de face ricos em informações de PPG.

Avatares sintéticos criados pela pesquisa da Microsoft, com imagens ray-traced que contêm dados de PPG. Fonte: https://arxiv.org/pdf/2010.12949.pdf. Clique para ampliar.