SPCXR: التدريب التلقائي الذاتي باستخدام الأشعة السينية للصدر نحو نموذج أساسي مخصص للنطاق

تُعدّ الأشعة السينية للصدر (CXR) وسيلة تصوير شائعة الاستخدام في تشخيص وتقدير حالة الأمراض الرئوية. وتتنوع مهام تحليل الصور، مثل اكتشاف الأمراض وتقسيم الرئتين. هناك كمية كبيرة من الأبحاث التي تم فيها تطوير خوارزميات التعلم الآلي لأداء مهام محددة. ومن الأمثلة البارزة مؤخرًا كشف مرض فيروس كورونا (كوفيد-19) باستخدام بيانات الأشعة السينية للصدر. ومع ذلك، فإن الطرق التقليدية لتصميم الأدوات التشخيصية المستندة إلى التعلم المراقب تعاني من الحاجة إلى تزويدها ببيانات تدريب مُعلّمة، والتي يجب أن تكون ذات جودة عالية لتحقيق نتائج سريرية أفضل. ولهذا، نقترح حلًا بديلًا، وهو نموذج ذاتي-مُراقب جديد، حيث يتم تعلم تمثيل عام من صور الأشعة السينية للصدر باستخدام إطار عمل ذاتي-مُراقب يعتمد على قنوات التغطية (group-masked self-supervised). ثم يتم تحسين النموذج المُدرّب مسبقًا لمهام محددة حسب المجال، مثل كشف كوفيد-19 والتهاب الرئة وكشف الحالات الصحية العامة. ونُظهر أن نفس النموذج المُدرّب مسبقًا يمكن استخدامه أيضًا في مهمة تقسيم الرئتين. ويُظهر النموذج المقترح أداءً قويًا في عدة مهام لاحقة، مما يدل على نجاح عملية التدريب المسبق. علاوةً على ذلك، يُظهر أداء النماذج المُدرّبة مسبقًا على بيانات تُظهر انحرافًا كبيرًا أثناء الاختبار دلالة على تعلُّم تمثيل عام أفضل. وتم التحقق من صحة الأساليب المقترحة من خلال كشف كوفيد-19 في مجموعة بيانات طبية صغيرة فريدة مخصصة للأطفال. ويُظهر الارتفاع في الدقة (~25%) مقارنةً بمنهج مبني على نموذج التحويل (Transformer) مُدرّب باستخدام طريقة مراقبة، تأكيدًا قويًا على قوة وموثوقية الإطار المقترح واستراتيجية التدريب المسبق.