సింథటిక్ డేటా: మెడికల్ డేటాసెట్‌లలో పక్షపాతాన్ని అడ్రస్ చేయడానికి ముఖ చిత్రాలలో జాతిని మార్చడం

UCLA పరిశోధకులు అనేక సాధారణ డేటాసెట్‌లు ఎదుర్కొంటున్న జాతి పక్షపాతాన్ని పరిష్కరించే ప్రయత్నంలో, వైద్య యంత్ర అభ్యాస వ్యవస్థలకు శిక్షణ ఇవ్వడానికి ఉపయోగించే డేటాసెట్‌లలోని ముఖాల యొక్క స్పష్టమైన జాతిని మార్చడానికి ఒక పద్ధతిని అభివృద్ధి చేశారు.

మా కొత్త టెక్నిక్ ప్రతి ఫ్రేమ్‌కు సగటున 0.005 సెకన్ల చొప్పున ఫోటోరియలిస్టిక్ మరియు ఫిజియోలాజికల్‌గా ఖచ్చితమైన సింథటిక్ వీడియోను ఉత్పత్తి చేయగలదు మరియు రిమోట్ హెల్త్‌కేర్ డయాగ్నసిస్ మరియు మానిటరింగ్ కోసం కొత్త డయాగ్నోస్టిక్స్ సిస్టమ్‌ల అభివృద్ధికి సహాయం చేస్తుందని ఆశిస్తున్నాము - ఈ ఫీల్డ్ COVID పరిమితుల క్రింద బాగా విస్తరించింది. సిస్టమ్ రిమోట్ ఫోటోప్లెథిస్మోగ్రఫీ యొక్క అనువర్తనాన్ని మెరుగుపరచడానికి ఉద్దేశించబడింది (rPPG), నాన్-ఇన్వాసివ్ పద్ధతిలో రక్త సరఫరాలో వాల్యూమెట్రిక్ మార్పులను గుర్తించడానికి ముఖ వీడియో కంటెంట్‌ను మూల్యాంకనం చేసే కంప్యూటర్ విజన్ టెక్నిక్.

మూలం: https://arxiv.org/pdf/2106.06007.pdf. వచ్చేలా క్లిక్ చేయండి.

కన్వల్యూషనల్ న్యూరల్ నెట్‌వర్క్‌లను (CNNలు) ఉపయోగించే పని, మునుపటి పరిశోధన కోడ్‌ను కలిగి ఉన్నప్పటికీ ప్రచురించిన 2020లో UK యొక్క డర్హామ్ విశ్వవిద్యాలయం ద్వారా, కొత్త అప్లికేషన్ 2020 పరిశోధన చేసినట్లుగా, డేటా యొక్క స్పష్టమైన రేసును దృశ్యమానంగా మార్చకుండా, అసలు పరీక్ష డేటాలో పల్సటైల్ సిగ్నల్‌లను సంరక్షించడానికి ఉద్దేశించబడింది.

జాతి పరివర్తన కోసం CNNలు

ఎన్‌కోడర్-డీకోడర్ సిస్టమ్ యొక్క మొదటి భాగం డర్హామ్ రేస్ ట్రాన్స్‌ఫర్ మోడల్‌ను ఉపయోగిస్తుంది, ముందుగా శిక్షణ పొందింది VGGFace2, డర్హామ్ పరిశోధన యొక్క పూర్వ కాకేసియన్-టు-ఆఫ్రికన్ భాగంతో ప్రాక్సీ టార్గెట్ ఫ్రేమ్‌లను రూపొందించడానికి. ఇది జాతి లక్షణాల యొక్క ఫ్లాట్ బదిలీని ఉత్పత్తి చేస్తుంది, కానీ రోగి యొక్క రక్త ప్రవాహ స్థితి యొక్క దృశ్యమాన శారీరక సూచికలను సూచించే రంగు మరియు స్వరంలో వైవిధ్యాలను కలిగి ఉండదు.

డర్హామ్ విశ్వవిద్యాలయం 2020 పరిశోధన నుండి పరివర్తన పైప్‌లైన్, దానిలో కొంత భాగం కొత్త UCLA పరిశోధనలో చేర్చబడింది. మూలం: https://arxiv.org/pdf/2004.08945.pdf. వచ్చేలా క్లిక్ చేయండి.

PhysResNet (PRN) అని పిలువబడే రెండవ నెట్‌వర్క్, rPPG భాగాన్ని అందిస్తుంది. PhysResNet దృశ్య రూపాన్ని మరియు సబ్కటానియస్ బ్లడ్ వాల్యూమ్ కదలికలను నిర్వచించే రంగు వైవిధ్యాలను రెండింటినీ తెలుసుకోవడానికి శిక్షణ పొందింది.

దిగువ ఎడమవైపు, 2020 డర్హామ్ పరిశోధన ద్వారా పొందిన ఫలితాలు, PPG సమాచారం లేదు. మధ్య ఎడమవైపు, PPG సమాచారం జాతి పరివర్తనలో చేర్చబడింది. విస్తరించడానికి క్లిక్ చేయండి.

UCLA ప్రాజెక్ట్ ప్రతిపాదించిన ఆర్కిటెక్చర్ స్కిన్ కలర్ అగ్మెంటేషన్ లేనప్పుడు కూడా పోటీపడే rPPG టెక్నిక్‌లను అధిగమిస్తుంది, ఇది ఆప్టిమైజ్ చేయబడిన సారూప్య పద్ధతులపై 31% మెరుగుదలని సూచిస్తుంది. MAE మరియు RMSE.

UCLA నెట్‌వర్క్ రక్త పరిమాణం మరియు పంపిణీ సమాచారాన్ని విజయవంతంగా భద్రపరుస్తుంది. విస్తరించడానికి క్లిక్ చేయండి.

ఈ మెడికల్ ఇమేజింగ్ విభాగంలో జాతి పక్షపాతాన్ని పరిష్కరించడానికి భవిష్యత్తులో పని మరింత విస్తృతమైన సవాళ్లను ఎదుర్కొంటుందని UCLA పరిశోధకులు భావిస్తున్నారు మరియు ప్రశ్నలోని సిస్టమ్ 80×80 పిక్సెల్ రిజల్యూషన్‌కు పరిమితం చేయబడినందున, తదుపరి పథకాలు అధిక-రిజల్యూషన్ వీడియోను అవుట్‌పుట్ చేస్తాయని ఆశిస్తున్నాము. - టెలిహెల్త్ పరిమితులకు సహేతుకంగా సరిపోతుంది, కానీ అనువైనది కాదు.

జాతిపరంగా వైవిధ్యమైన డేటాసెట్‌లు లేకపోవడం

జాతిపరంగా భిన్నమైన డేటాసెట్‌లకు దారితీసే ఆర్థిక మరియు ఆచరణాత్మక పరిస్థితులు కొన్ని సంవత్సరాలుగా వైద్య పరిశోధనలకు అడ్డంకిగా ఉన్నాయి. డేటా సబ్జెక్టుల యొక్క తరచుగా కాకేసియన్-కేంద్రీకృత సజాతీయతకు దోహదపడే అనేక కారకాలతో డేటా తాత్కాలికంగా ఉత్పత్తి చేయబడుతుంది, వీటిలో పరిశోధన జరిగే నగరాల్లోని మైనారిటీ జనాభా యొక్క కూర్పు మరియు శ్వేతజాతీయేతర సబ్జెక్టులు కనిపించే స్థాయిని ప్రభావితం చేసే ఇతర సామాజిక ఆర్థిక అంశాలు ఉన్నాయి. పాశ్చాత్య డేటాసెట్‌లలో పరిశోధకులు మరింత గ్లోబల్ అప్లిసిబిలిటీని కలిగి ఉండాలని కోరుకుంటున్నారు.

డార్క్ స్కిన్‌డ్ సబ్జెక్ట్‌లు ఎక్కువగా ఉన్న దేశాల్లో, డేటాను సేకరించేందుకు అవసరమైన పరికరాలు మరియు వనరులు తరచుగా కొరతగా ఉంటాయి.

అమెరికన్ జర్నల్ ఆఫ్ ఫిజికల్ ఆంత్రోపాలజీ నుండి స్థానిక ప్రజల కోసం స్కిన్-టోన్ ప్రపంచ పటం.

ప్రస్తుతం డార్క్-స్కిన్డ్ సబ్జెక్ట్‌లు ముఖ్యంగా rPPG డేటాసెట్‌లలో తక్కువగా ప్రాతినిధ్యం వహిస్తున్నాయి, ఈ ప్రయోజనం కోసం సాధారణ ఉపయోగంలో ఉన్న మూడు ప్రాథమిక డేటాబేస్‌ల కంటెంట్‌లో 0%, 5% మరియు 10% ప్రాతినిధ్యం వహిస్తుంది.

సజాతీయ కాకేసియన్ డేటా

2019లో కొత్త పరిశోధన ప్రచురించిన in సైన్స్ US హాస్పిటల్ కేర్‌లో విస్తృతంగా వ్యాపించిన అల్గోరిథం కాకేసియన్ సబ్జెక్టులకు అనుకూలంగా ఎక్కువగా పక్షపాతంతో ఉందని కనుగొన్నారు. ట్రయాజ్ మరియు ఆసుపత్రిలో చేరిన లోతైన స్థాయిలలో నల్లజాతీయులు ప్రత్యేక సంరక్షణకు సూచించబడే అవకాశం తక్కువగా ఉందని అధ్యయనం కనుగొంది.

మలేషియా మరియు ఆస్ట్రేలియాలోని పరిశోధకుల నుండి ఆ సంవత్సరంలో తదుపరి పరిశోధన ఏర్పాటు ఆసియాతో సహా ప్రపంచంలోని అనేక ప్రాంతాలలో డేటాసెట్ ఉత్పత్తి కోసం 'ఓన్ రేస్ బయాస్' యొక్క సాధారణ సమస్య.

స్కేల్ మరియు ఆర్కిటెక్చర్ యొక్క సంభావ్య పరిమితులు

పరిమిత-జాతి డేటాసెట్‌లకు దారితీసిన కొన్ని పరిమితులు ప్రకృతిలో నైతికంగా కాకుండా ఆచరణాత్మకంగా ఉంటాయి. దోహదపడే డేటా యొక్క విస్తృత బహుళత్వం, ఆ డేటాలో ఫీచర్ చేయబడిన సబ్జెక్ట్‌ల అంతటా మెరుగ్గా సాధారణీకరిస్తుంది, అయితే శిక్షణా దినచర్య తక్కువ శాతం శిక్షణ సమయం కాబట్టి, జాతితో సహా డేటాలోని ఏదైనా ఒక్క లక్షణంలో నమూనాలను గ్రహించే అవకాశం ఉంది, డేటా యొక్క ప్రతి గుర్తించదగిన ఉపసమితికి శ్రద్ధ మరియు వనరులు అందుబాటులో ఉన్నాయి.

ఇది డేటా పరిమాణం యొక్క పరిమితులు, బ్యాచ్ పరిమాణం యొక్క ఆర్థికశాస్త్రం మరియు పరిమిత హార్డ్‌వేర్ వనరుల విధిగా గుప్త స్థలం యొక్క ఆచరణాత్మక పరిమితుల కారణంగా విస్తృతంగా వర్తించే కానీ తక్కువ నిర్దిష్ట ఫలితాలను పొందే మోడల్‌లకు దారి తీస్తుంది.

ఇతర విపరీతంగా, ఇన్‌పుట్ డేటాను జాతితో సహా మరింత పరిమిత లక్షణాలకు పరిమితం చేయడం ద్వారా సమర్థవంతమైన మరియు గ్రాన్యులర్ ఫలితాలను పొందవచ్చు, ఫలితాలు పరిమిత డేటాకు 'ఓవర్ ఫిట్' అయ్యే అవకాశం ఉంది మరియు విస్తృతంగా వర్తించదు, బహుశా కూడా అసలు డేటాసెట్ సబ్జెక్ట్‌లు పొందిన అదే భౌగోళిక ప్రాంతంలో కనిపించని విషయాలలో.

PPG అనుకరణ కోసం సింథటిక్ అవతార్‌లు

UCLA పేపర్ 2020లో మైక్రోసాఫ్ట్ రీసెర్చ్ నుండి జాతిపరంగా తేలికైన సింథటిక్ అవతార్‌ల ఉపయోగంలో ముందస్తు పనిని పేర్కొంది, ఇది PPG సమాచారంతో కూడిన ఫేస్ వీడియోలను రూపొందించడానికి 3D ఇమేజ్ సింథసిస్‌ను ప్రభావితం చేస్తుంది.

మైక్రోసాఫ్ట్ పరిశోధన ద్వారా సృష్టించబడిన సింథటిక్ అవతార్‌లు, PPG డేటాను కలిగి ఉన్న రే-ట్రేస్డ్ చిత్రాలతో. మూలం: https://arxiv.org/pdf/2010.12949.pdf. వచ్చేలా క్లిక్ చేయండి.