ข้อมูลสังเคราะห์: การเปลี่ยนเชื้อชาติในภาพใบหน้าเพื่อจัดการกับอคติในชุดข้อมูลทางการแพทย์

นักวิจัยของ UCLA ได้พัฒนาวิธีการเปลี่ยนเชื้อชาติที่ปรากฏของใบหน้าในชุดข้อมูลที่ใช้ในการฝึกระบบการเรียนรู้ของเครื่องทางการแพทย์ ในความพยายามที่จะแก้ไขอคติทางเชื้อชาติที่ชุดข้อมูลทั่วไปจำนวนมากต้องเผชิญ

พื้นที่ เทคนิคใหม่ สามารถผลิตวิดีโอสังเคราะห์ที่มีความแม่นยำทางสรีรวิทยาด้วยภาพถ่ายด้วยอัตราเฉลี่ย 0.005 วินาทีต่อเฟรม และหวังว่าจะช่วยพัฒนาระบบการวินิจฉัยใหม่สำหรับการวินิจฉัยและติดตามการรักษาพยาบาลทางไกล ซึ่งเป็นสาขาที่ขยายตัวอย่างมากภายใต้ข้อจำกัดของโควิด ระบบนี้มีวัตถุประสงค์เพื่อปรับปรุงการบังคับใช้ photoplethysmography ระยะไกล (อาร์พีจี) เทคนิคการมองเห็นด้วยคอมพิวเตอร์ที่ประเมินเนื้อหาวิดีโอบนใบหน้าเพื่อตรวจจับการเปลี่ยนแปลงปริมาตรของเลือดในลักษณะที่ไม่รุกราน

ที่มา: https://arxiv.org/pdf/2106.06007.pdf คลิกเพื่อขยาย

แม้ว่างานซึ่งใช้เครือข่ายประสาทเทียม (CNNs) จะรวมรหัสการวิจัยก่อนหน้านี้ การตีพิมพ์ โดยมหาวิทยาลัย Durham ของสหราชอาณาจักรในปี 2020 แอปพลิเคชันใหม่นี้มีจุดประสงค์เพื่อรักษาสัญญาณพัลซาไทล์ในข้อมูลการทดสอบดั้งเดิม แทนที่จะเปลี่ยนการแข่งขันของข้อมูลที่ชัดเจนเหมือนที่การวิจัยในปี 2020 ทำ

CNN สำหรับการเปลี่ยนแปลงทางเชื้อชาติ

ส่วนแรกของระบบตัวเข้ารหัส-ตัวถอดรหัสใช้โมเดลการถ่ายโอนการแข่งขันของ Durham ซึ่งได้รับการฝึกฝนมาล่วงหน้า วีจีจีเฟซ2เพื่อสร้างเฟรมเป้าหมายพร็อกซีด้วยองค์ประกอบ Caucasian-to-African ก่อนหน้าของการวิจัย Durham สิ่งนี้ทำให้เกิดการถ่ายโอนลักษณะทางเชื้อชาติที่แบนราบ แต่ไม่มีความแตกต่างของสีและโทนสีที่แสดงถึงตัวบ่งชี้ทางสรีรวิทยาที่มองเห็นได้ของสถานะการไหลเวียนของเลือดของผู้ป่วย

ขั้นตอนการเปลี่ยนแปลงจากงานวิจัยปี 2020 ของมหาวิทยาลัย Durham ซึ่งส่วนหนึ่งรวมอยู่ในงานวิจัยใหม่ของ UCLA ที่มา: https://arxiv.org/pdf/2004.08945.pdf คลิกเพื่อขยาย

เครือข่ายที่สองเรียกว่า PhysResNet (PRN) จัดเตรียมองค์ประกอบ rPPG PhysResNet ได้รับการฝึกฝนให้เรียนรู้ทั้งรูปลักษณ์ภายนอกและรูปแบบสีที่กำหนดการเคลื่อนไหวของปริมาณเลือดใต้ผิวหนัง

ด้านล่างซ้าย ผลลัพธ์ที่ได้จากการวิจัย Durham ปี 2020 ขาดข้อมูล PPG ตรงกลางซ้าย ข้อมูล PPG ที่รวมอยู่ในการเปลี่ยนแปลงทางเชื้อชาติ คลิกเพื่อดูภาพขยาย

สถาปัตยกรรมที่โครงการ UCLA เสนอนั้นมีประสิทธิภาพเหนือกว่าเทคนิค rPPG ที่แข่งขันกันแม้ในกรณีที่ไม่มีการเพิ่มสีผิว ซึ่งแสดงถึงการปรับปรุง 31% สำหรับเทคนิคที่คล้ายกันที่ปรับให้เหมาะสมด้วย แม่และ RMSE.

เครือข่าย UCLA ประสบความสำเร็จในการเก็บรักษาข้อมูลปริมาณและการกระจายของเลือด คลิกเพื่อดูภาพขยาย

นักวิจัยของ UCLA หวังว่างานในอนาคตจะเผชิญกับความท้าทายที่กว้างขวางมากขึ้นในการแก้ไขอคติทางเชื้อชาติในภาคการถ่ายภาพทางการแพทย์นี้ และหวังว่าโครงการหลังจากนี้จะแสดงผลวิดีโอที่มีความละเอียดสูงขึ้น เนื่องจากระบบดังกล่าวถูกจำกัดไว้ที่ความละเอียด 80×80 พิกเซล – เหมาะสมกับข้อจำกัดของ telehealth พอสมควร แต่ไม่เหมาะ

ขาดชุดข้อมูลที่หลากหลายทางชาติพันธุ์

สถานการณ์ทางเศรษฐกิจและการปฏิบัติที่นำไปสู่ชุดข้อมูลที่หลากหลายทางเชื้อชาติเป็นอุปสรรคต่อการวิจัยทางการแพทย์มาหลายปีแล้ว ข้อมูลมีแนวโน้มที่จะถูกสร้างขึ้นในระดับชุมชน โดยมีปัจจัยหลายอย่างที่เอื้อต่อความเป็นเนื้อเดียวกันของข้อมูลที่มีคอเคเชียนเป็นศูนย์กลางบ่อยครั้ง ซึ่งรวมถึงองค์ประกอบของกลุ่มประชากรกลุ่มน้อยในเมืองที่มีการวิจัย และปัจจัยทางเศรษฐกิจและสังคมอื่นๆ ที่อาจมีอิทธิพลต่อขอบเขตที่วัตถุที่ไม่ใช่คนผิวขาวปรากฏขึ้น ในชุดข้อมูลตะวันตกที่นักวิจัยต้องการให้นำไปใช้ได้ทั่วโลกมากขึ้น

ในประเทศที่มีวัตถุผิวคล้ำในสัดส่วนที่สูงกว่า อุปกรณ์และทรัพยากรที่จำเป็นในการรวบรวมข้อมูลมักจะขาดแคลน

แผนที่โลกที่มีโทนสีผิวสำหรับคนพื้นเมือง จาก American Journal of Physical Anthropology

ในปัจจุบัน วัตถุผิวคล้ำมีการแสดงน้อยเกินไปในชุดข้อมูล rPPG โดยคิดเป็น 0%, 5% และ 10% ของเนื้อหาของฐานข้อมูลหลักทั้งสามที่ใช้กันทั่วไปเพื่อจุดประสงค์นี้

ข้อมูลคอเคเซียนที่เป็นเนื้อเดียวกัน

ในปี 2019 การวิจัยใหม่ การตีพิมพ์ in วิทยาศาสตร์ พบว่าอัลกอริทึมที่แพร่หลายในการดูแลของโรงพยาบาลในสหรัฐฯ นั้นมีอคติอย่างมากต่ออาสาสมัครที่เป็นชาวคอเคเชียน การศึกษาพบว่าคนผิวดำมีโอกาสน้อยที่จะถูกส่งต่อไปยังการดูแลเฉพาะทางในการตรวจคัดกรองและการรับเข้ารักษาในโรงพยาบาลในระดับที่ลึกกว่า

การวิจัยเพิ่มเติมในปีนั้นจากนักวิจัยในมาเลเซียและออสเตรเลีย ที่จัดตั้งขึ้น ปัญหาทั่วไปของ 'Own Race Bias' สำหรับการสร้างชุดข้อมูลในหลายภูมิภาคของโลก รวมถึงเอเชีย

ข้อ จำกัด ที่เป็นไปได้ของขนาดและสถาปัตยกรรม

ข้อ จำกัด บางประการที่นำไปสู่ชุดข้อมูลที่มีข้อจำกัดทางเชื้อชาตินั้นเป็นไปในเชิงปฏิบัติมากกว่าเชิงจริยธรรม ยิ่งข้อมูลส่วนใหญ่มีความกว้างมากเท่าใด ก็จะยิ่งสรุปภาพรวมของหัวข้อต่างๆ ที่อยู่ในข้อมูลนั้นได้ดียิ่งขึ้นเท่านั้น แต่รูทีนการฝึกน้อยมีแนวโน้มที่จะใช้รูปแบบโดยสัญชาตญาณภายในลักษณะเฉพาะใดๆ ของข้อมูล รวมทั้งเชื้อชาติ เนื่องจากเปอร์เซ็นต์ของเวลาการฝึกน้อยกว่า ความสนใจและทรัพยากรมีให้สำหรับแต่ละชุดย่อยของข้อมูลที่สามารถระบุได้

สิ่งนี้สามารถนำไปสู่โมเดลที่นำไปใช้ได้อย่างกว้างขวางแต่ได้ผลลัพธ์ที่เฉพาะเจาะจงน้อยกว่า เนื่องจากข้อจำกัดของขนาดข้อมูล การประหยัดของขนาดแบทช์ และข้อจำกัดในทางปฏิบัติของพื้นที่แฝงที่เป็นฟังก์ชันของทรัพยากรฮาร์ดแวร์ที่จำกัด

ในอีกทางหนึ่ง แม้ว่าผลลัพธ์ที่มีประสิทธิภาพและละเอียดสามารถได้รับโดยการจำกัดข้อมูลที่ป้อนให้อยู่ในชุดของลักษณะเฉพาะที่จำกัดมากขึ้น รวมถึงชาติพันธุ์ ผลลัพธ์ที่ได้มีแนวโน้มที่จะ 'เกินพอดี' สำหรับข้อมูลที่จำกัด และไม่สามารถใช้ได้ในวงกว้าง แม้กระทั่ง ข้ามวัตถุที่มองไม่เห็นในพื้นที่ทางภูมิศาสตร์เดียวกันกับที่ได้รับชุดข้อมูลดั้งเดิม

อวตารสังเคราะห์สำหรับการจำลอง PPG

เอกสารของ UCLA ยังบันทึกการทำงานก่อนหน้านี้จาก Microsoft Research ในปี 2020 เกี่ยวกับการใช้อวาตาร์สังเคราะห์ที่ยืดหยุ่นตามเชื้อชาติ ซึ่งใช้ประโยชน์จากการสังเคราะห์ภาพ 3 มิติเพื่อสร้างวิดีโอใบหน้าที่เต็มไปด้วยข้อมูล PPG

อวตารสังเคราะห์ที่สร้างขึ้นโดยการวิจัยของ Microsoft พร้อมภาพ Ray Traced ที่มีข้อมูล PPG ที่มา: https://arxiv.org/pdf/2010.12949.pdf คลิกเพื่อขยาย