التدريس الذاتي للمعلم المتوسط في تصنيف الصدر بالأشعة السينية شبه المشرف

تتطلب تدريب نماذج التعلم العميق عمومًا كمية كبيرة من البيانات المصححة للوصول إلى تقارب فعال وتعميم. ومع ذلك، فإن الحصول على تصحيحات ذات جودة عالية هو عملية متعبة وغالية الثمن بسبب الحاجة إلى أطباء إشعاع متخصصين لتنفيذ مهمة التصحيح. لذلك، يكتسب دراسة التعلم شبه المنظوم في تحليل الصور الطبية أهمية بالغة، نظرًا لأن الحصول على صور غير مصححة رخيص بكثير مقارنة بشراء صور مصححة من قبل أطباء الإشعاع المتخصصين. بشكل أساسي، تستفيد طرق التعلم شبه المنظوم من مجموعات كبيرة من البيانات غير المصححة لتمكين تقارب أفضل وتعميم أكثر من استخدام مجموعة صغيرة فقط من الصور المصححة.في هذا البحث، نقترح طريقة "التعلم الذاتي للمعلم المتوسط في التعلم شبه المنظوم" (Self-supervised Mean Teacher for Semi-supervised, S$^2$MTS$^2$) التي تجمع بين التدريب الأولي الذاتي للمعلم المتوسط والضبط الدقيق شبه المنظوم. الابتكار الرئيسي في S$^2$MTS$^2$ يتمثل في التدريب الأولي الذاتي للمعلم المتوسط المستند إلى التعلم التعاوني المشترك (joint contrastive learning)، والذي يستخدم عددًا لا نهائيًا من أزواج الخواص الاستعلامية الإيجابية والمفتاحية لتحسين تمثيل المعلم المتوسط. ثم يتم ضبط النموذج بشكل دقيق باستخدام إطار المعلّم ذو الوسط المتحرك الأسي (exponential moving average teacher framework) الذي يتم تدريبه باستخدام التعلم شبه المنظوم.نقوم بتحقق S$^2$MTS$^2$ على مشكلات تصنيف متعدد العلامات من قاعدة بيانات Chest X-ray14 و CheXpert، وعلى مشكلة تصنيف متعدد الفئات من ISIC2018، حيث نظهر أن هذه الطريقة تتفوق بشكل كبير على الطرق السابقة لأفضل ما تم الوصول إليه في مجال التعلم شبه المنظوم (SOTA semi-supervised learning methods).