تصنيف الصور الشعاعية للصدر باستخدام GraphX$^{NET}$ تحت إشراف محدود للغاية

إن مهمة تصنيف بيانات الأشعة السينية هي مشكلة ذات اهتمام نظري وسريري على حد سواء. بينما تعتمد طرق التعلم العميق المشرف عليها على كميات هائلة من البيانات المصنفة، فإن المشكلة الحرجة التي لم يتم التعامل معها بعد هي تحقيق دقة تصنيف جيدة عندما تكون هناك كمية متواضعة للغاية من البيانات المصنفة متاحة. في هذا البحث، نقدم إطارًا جديدًا شبه مشرف لتصنيف بيانات الأشعة السينية يعتمد على نموذج تحسين قائم على الرسم البياني (الجراف). حسب علمنا، هذه هي الطريقة الأولى التي تستغل التعلم شبه المشرف القائم على الرسم البياني لتصنيف بيانات الأشعة السينية. بالإضافة إلى ذلك، نقدم وظيفة تصنيف متعددة الفئات جديدة مع أولويات فئوية تم اختيارها بعناية، مما يتيح حلًا سلسًا يعزز التناغم بين العدد المحدود من التصنيفات والكمية الهائلة من البيانات غير المصنفة. نوضح من خلال مجموعة من التجارب العددية والبصرية أن طريقتنا تنتج نتائج تنافسية للغاية على مجموعة بيانات ChestX-ray14 بينما تقلل بشكل كبير من الحاجة إلى البيانات المشروحة.