تصحيح التحويل التصويري للصورة باستخدام بيانات مُصَنَّعة لتصنيف صور الأشعة السينية للصدر المُلتَقَطة بهواتف ذكية

التصنيف على صور الأشعة السينية للصدر (CXR) التي تم التقاطها بواسطة الهواتف الذكية يُعد تحديًا بسبب التحويل التماثلي الناتج عن وضع الكاميرا غير المثالي. في الآونة الأخيرة، تم اقتراح العديد من أساليب التصحيح لمهام تصحيح الصور المختلفة، مثل صور المستندات، وصور لوحات الأرقام، إلخ. لكن للأسف، وجدنا أن جميع هذه الأساليب غير مناسبة لصور الأشعة السينية للصدر، نظرًا لنوع التحويل المميز لديها، وملامح الصورة، ونوع التسميات، وغيرها. في هذه الورقة، نُقدّم شبكة تصحيح تحويل تماثلي قائمة على التعلم العميق (PTRN) مبتكرة، تُصَحِّح صور الأشعة السينية للصدر تلقائيًا من خلال توقع مصفوفة التحويل التماثلي. إلى حد معرفتنا، هذه أول عمل يُقدّم توقع مصفوفة التحويل التماثلي كهدف للتعلم في مهام تصحيح الصور. علاوةً على ذلك، لتجنب تكلفة جمع البيانات الطبيعية المكلفة، تم إنشاء صور اصطناعية للأشعة السينية للصدر مع مراعاة الاضطرابات الطبيعية، والشاشات الإضافية، وغيرها. قُمنا بتقييم النهج المقترح في مسابقة تصنيف صور الأشعة السينية للصدر الملتقطة بواسطة الهواتف الذكية (CheXphoto) التي نظّمتها مجموعة تعلم الآلة بجامعة ستانفورد، حيث حصلنا على المركز الأول بتحسن كبير في الأداء (أداءنا: 0.850، المركز الثاني: 0.762، بدلالة AUC). وتبين دراسة أعمق أن استخدام PTRN نجح في تحقيق أداء تصنيف على صور الأشعة السينية المُحَوَّلة مكانيًا على نفس المستوى المُحقَّق على صور الأشعة السينية الرقمية عالية الجودة، ما يدل على قدرة PTRN على إزالة جميع الآثار السلبية للتحويل التماثلي على صور الأشعة السينية.