این مقاله به بررسی چگونگی کاهش قابل توجه هزینه و زمان مورد نیاز برای تهیه مجموعه‌ داده‌های آموزشی در زمینه تشخیص خونریزی داخل جمجمه با استفاده از روش‌های یادگیری با نظارت ضعیف می‌پردازد. در این رویکرد، به جای استفاده از برچسب‌های دقیق در سطح تصویر (که نیازمند بررسی و علامت‌گذاری دقیق توسط متخصصان رادیولوژی است)، از برچسب‌های کلی‌تر در سطح اسکن استفاده می‌شود. این امر می‌تواند به شکل چشمگیری فرآیند آماده‌سازی داده‌ها را تسریع و تسهیل کند.

تشخیص خونریزی داخل جمجمه (Intracranial Hemorrhage – ICH) یک وظیفه حیاتی در حوزه رادیولوژی است که تشخیص سریع و دقیق آن می‌تواند تاثیر بسزایی در بهبود نتایج بالینی داشته باشد. استفاده از مدل‌های یادگیری عمیق (Deep Learning – DL) در این زمینه، نویدبخش بوده است، اما این مدل‌ها نیازمند حجم زیادی از داده‌های برچسب‌گذاری‌شده هستند. برچسب‌گذاری تصاویر پزشکی، به خصوص تصاویر سی‌تی اسکن (Computed Tomography – CT) سر، یک فرآیند زمان‌بر و پرهزینه است که نیازمند تخصص رادیولوژیست‌ها است. این مقاله راهکاری را ارائه می‌دهد که با استفاده از آن می‌توان با حجم کمتری از داده‌های برچسب‌گذاری‌شده، به دقت قابل قبولی در تشخیص خونریزی داخل جمجمه دست یافت. این امر به ویژه برای بیمارستان‌ها و مراکز درمانی که دسترسی محدودی به رادیولوژیست‌های متخصص و منابع مالی دارند، از اهمیت بالایی برخوردار است.

به عنوان مثال، فرض کنید یک بیمارستان کوچک در یک منطقه دورافتاده، امکان دسترسی به تعداد کافی از رادیولوژیست‌های متخصص برای برچسب‌گذاری دقیق هزاران تصویر سی‌تی اسکن را ندارد. با استفاده از روش‌های مطرح‌شده در این مقاله، این بیمارستان می‌تواند با برچسب‌گذاری تعداد محدودی از اسکن‌ها به صورت کلی (وجود یا عدم وجود خونریزی در کل اسکن) و آموزش یک مدل یادگیری عمیق با استفاده از نظارت ضعیف، یک سیستم تشخیصی خودکار برای خونریزی داخل جمجمه ایجاد کند.

این مقاله توسط Jacopo Teneggi، Paul H. Yi و Jeremias Sulam نوشته شده است. زمینه تخصصی نویسندگان، بینایی ماشین (Computer Vision) و تشخیص الگو (Pattern Recognition) است. این محققان با استفاده از دانش خود در این حوزه‌ها، راهکارهایی نوین برای حل چالش‌های موجود در حوزه تصویربرداری پزشکی ارائه داده‌اند. این تیم تحقیقاتی با ترکیب تکنیک‌های یادگیری با نظارت ضعیف و معماری‌های پیشرفته یادگیری عمیق، توانسته‌اند به نتایج قابل توجهی در کاهش نیاز به برچسب‌های دقیق در تشخیص خونریزی داخل جمجمه دست یابند.

چکیده مقاله بر این نکته تاکید دارد که مدل‌های یادگیری عمیق مدرن، به ویژه آنهایی که بر پایه شبکه‌های عصبی عمیق (Deep Neural Networks) هستند، نیازمند حجم وسیعی از داده‌های برچسب‌گذاری‌شده هستند. در مسائل دسته‌بندی (Classification)، رایج‌ترین روش یادگیری، ارائه مثال‌های برچسب‌گذاری‌شده در طول آموزش است، که نظارت قوی بر نمونه‌های مثبت و منفی فراهم می‌کند. این امر یک مانع بزرگ برای توسعه مدل‌های یادگیری عمیق در رادیولوژی است، به خصوص برای تصویربرداری مقطعی (مانند سی‌تی اسکن)، جایی که برچسب‌ها باید از طریق حاشیه‌نویسی دستی توسط رادیولوژیست‌های متخصص در سطح تصویر یا برش (Slice) ارائه شوند. این روش با حاشیه‌نویسی در سطح معاینه (Examination-level annotations) متفاوت است که درشت‌تر اما ارزان‌تر است و می‌تواند از گزارش‌های رادیولوژی با استفاده از تکنیک‌های پردازش زبان طبیعی (Natural Language Processing – NLP) استخراج شود. این مقاله به بررسی این سوال می‌پردازد که چه نوع برچسب‌هایی باید برای مسئله تشخیص خونریزی داخل جمجمه در سی‌تی اسکن مغز جمع‌آوری شوند. محققان بررسی می‌کنند که آیا حاشیه‌نویسی در سطح تصویر باید به حاشیه‌نویسی در سطح معاینه ترجیح داده شود یا خیر. با فرمول‌بندی این کار به عنوان یک مسئله یادگیری چند نمونه‌ای (Multiple Instance Learning – MIL) و استفاده از معماری‌های مدرن یادگیری عمیق مبتنی بر توجه (Attention-based DL architectures)، میزان بهبود عملکرد تشخیص با سطوح مختلف نظارت تحلیل می‌شود. یافته‌ها نشان می‌دهد که نظارت قوی (یعنی یادگیری با حاشیه‌نویسی محلی در سطح تصویر) و نظارت ضعیف (یعنی یادگیری فقط با برچسب‌های سراسری در سطح معاینه) به عملکرد قابل مقایسه‌ای در تشخیص خونریزی در سطح معاینه (وظیفه انتخاب تصاویری در یک معاینه که نشانه‌های خونریزی را نشان می‌دهند) و همچنین در تشخیص خونریزی در سطح تصویر (برجسته‌کردن آن نشانه‌ها در تصاویر انتخاب‌شده) دست می‌یابند. علاوه بر این، این رفتار به عنوان تابعی از تعداد برچسب‌های موجود در طول آموزش بررسی می‌شود. نتایج نشان می‌دهد که ممکن است برچسب‌های محلی برای این وظایف اصلاً ضروری نباشند، که به طور چشمگیری زمان و هزینه صرف‌شده برای جمع‌آوری و مدیریت مجموعه‌داده‌ها را کاهش می‌دهد.

روش‌شناسی این تحقیق شامل چندین مرحله کلیدی است:

• تبدیل مسئله به یک مسئله یادگیری چند نمونه‌ای (MIL): در این رویکرد، هر اسکن سی‌تی اسکن به عنوان یک “بسته” در نظر گرفته می‌شود که شامل چندین “نمونه” (تصاویر یا برش‌های مختلف) است. اگر حداقل یک نمونه در یک بسته حاوی خونریزی باشد، کل بسته به عنوان “مثبت” برچسب‌گذاری می‌شود.
• استفاده از معماری‌های مبتنی بر توجه (Attention-based architectures): این معماری‌ها به مدل اجازه می‌دهند تا به مهم‌ترین نمونه‌ها (برش‌های حاوی خونریزی) در هر بسته توجه بیشتری نشان دهد. مکانیسم توجه به مدل کمک می‌کند تا حتی با وجود برچسب‌های کلی در سطح اسکن، مناطق مرتبط با خونریزی را شناسایی کند.
• مقایسه عملکرد با سطوح مختلف نظارت: محققان عملکرد مدل را با استفاده از برچسب‌های دقیق در سطح تصویر و برچسب‌های کلی در سطح اسکن مقایسه کردند تا تاثیر هر نوع نظارت را ارزیابی کنند.
• بررسی تاثیر حجم داده‌ها: محققان عملکرد مدل را با حجم‌های مختلف داده‌های آموزشی بررسی کردند تا مشخص کنند که آیا نظارت ضعیف همچنان می‌تواند با حجم کمتر داده‌ها عملکرد خوبی داشته باشد یا خیر.

به عنوان مثال، یک اسکن سی‌تی اسکن شامل 100 برش (Slice) است. در رویکرد سنتی، هر برش باید به صورت جداگانه توسط رادیولوژیست بررسی و برچسب‌گذاری شود (خونریزی وجود دارد یا خیر). در رویکرد MIL، تنها کافی است تعیین شود که آیا در کل این 100 برش، خونریزی وجود دارد یا خیر. سپس مدل با استفاده از معماری مبتنی بر توجه، یاد می‌گیرد که کدام برش‌ها احتمال بیشتری دارد که حاوی خونریزی باشند.

یافته‌های اصلی این تحقیق عبارتند از:

• عملکرد قابل مقایسه با نظارت قوی: یادگیری با نظارت ضعیف (برچسب‌های کلی در سطح اسکن) می‌تواند به عملکردی قابل مقایسه با یادگیری با نظارت قوی (برچسب‌های دقیق در سطح تصویر) در تشخیص خونریزی داخل جمجمه دست یابد.
• کاهش نیاز به برچسب‌گذاری دقیق: برچسب‌گذاری دقیق تصاویر در سطح تصویر ممکن است برای تشخیص خونریزی داخل جمجمه ضروری نباشد، که این امر می‌تواند به شکل چشمگیری هزینه و زمان مورد نیاز برای تهیه مجموعه‌داده‌های آموزشی را کاهش دهد.
• کارایی با حجم کمتر داده‌ها: نظارت ضعیف حتی با حجم کمتری از داده‌های آموزشی می‌تواند عملکرد خوبی داشته باشد، که این امر آن را به یک راهکار جذاب برای بیمارستان‌ها و مراکز درمانی با منابع محدود تبدیل می‌کند.

به طور خلاصه، این تحقیق نشان می‌دهد که می‌توان با استفاده از برچسب‌های کلی‌تر و ارزان‌تر، یک مدل یادگیری عمیق با کارایی بالا برای تشخیص خونریزی داخل جمجمه آموزش داد. این یافته می‌تواند تاثیر بسزایی در توسعه سیستم‌های تشخیصی خودکار در رادیولوژی داشته باشد.

نتایج این تحقیق کاربردهای متعددی در حوزه تصویربرداری پزشکی دارد:

• تسهیل توسعه سیستم‌های تشخیصی خودکار: با کاهش نیاز به برچسب‌گذاری دقیق تصاویر، توسعه سیستم‌های تشخیصی خودکار برای خونریزی داخل جمجمه و سایر بیماری‌های مشابه تسهیل می‌شود.
• کاهش هزینه‌ها و زمان مورد نیاز: با استفاده از نظارت ضعیف، هزینه‌ها و زمان مورد نیاز برای تهیه مجموعه‌داده‌های آموزشی به شکل چشمگیری کاهش می‌یابد.
• بهبود دسترسی به خدمات تشخیصی: سیستم‌های تشخیصی خودکار می‌توانند دسترسی به خدمات تشخیصی را در مناطق دورافتاده و بیمارستان‌های کوچک که فاقد رادیولوژیست‌های متخصص هستند، بهبود بخشند.
• افزایش دقت و سرعت تشخیص: سیستم‌های تشخیصی خودکار می‌توانند به رادیولوژیست‌ها در تشخیص سریع‌تر و دقیق‌تر خونریزی داخل جمجمه کمک کنند.

این دستاوردها می‌تواند منجر به بهبود نتایج بالینی و نجات جان بیماران شود.

این مقاله نشان داد که یادگیری با نظارت ضعیف می‌تواند به شکل چشمگیری تعداد برچسب‌های لازم برای تشخیص خونریزی داخل جمجمه در سی‌تی اسکن سر را کاهش دهد، بدون اینکه عملکرد مدل به طور قابل توجهی کاهش یابد. این یافته‌ها پیامدهای مهمی برای توسعه سیستم‌های تشخیصی خودکار در رادیولوژی دارند و می‌توانند به کاهش هزینه‌ها، بهبود دسترسی به خدمات تشخیصی و افزایش دقت و سرعت تشخیص کمک کنند. در آینده، تحقیقات بیشتری می‌تواند بر روی بهبود الگوریتم‌های یادگیری با نظارت ضعیف و گسترش کاربرد آنها به سایر حوزه‌های تصویربرداری پزشکی متمرکز شود.

به عنوان یک گام بعدی، محققان می‌توانند بررسی کنند که چگونه می‌توان از ترکیب نظارت قوی و ضعیف به صورت هوشمندانه استفاده کرد تا به بهترین عملکرد ممکن دست یافت. همچنین، بررسی تاثیر استفاده از داده‌های برچسب‌گذاری‌شده از منابع مختلف (به عنوان مثال، چندین بیمارستان مختلف) بر عملکرد مدل، می‌تواند مفید باشد.