طريقة حسابية جديدة تتحقق من صحة الصور دون "الحقيقة الأساسية"

ديسمبر 11, 2020

 



يرسل سمسار عقارات لمشتري منزل محتمل صورة ضبابية لمنزل مأخوذ من الجانب الآخر من الشارع. يمكن لمشتري المنزل مقارنته بالشيء الحقيقي - انظر إلى الصورة ، ثم انظر إلى المنزل الحقيقي - ولاحظ أن نافذة الخليج عبارة عن نافذتين قريبتين من بعضهما البعض ، والزهور الخارجية من البلاستيك وما يشبه الباب هو في الواقع ثقب في الحائط.



ماذا لو كنت لا تنظر إلى صورة منزل ، ولكن شيء صغير جدًا - مثل البروتين؟ لا توجد طريقة لرؤيتها بدون جهاز متخصص ، لذلك لا يوجد شيء للحكم على الصورة ضدها ، ولا توجد "حقيقة أساسية" كما تسمى. ليس هناك الكثير لتفعله ولكن عليك أن تثق في أن معدات التصوير وطراز الكمبيوتر المستخدم في إنشاء الصور دقيقان.


الآن ، ومع ذلك ، فقد طور البحث من مختبر ماثيو ليو في كلية ماكلفي للهندسة بجامعة واشنطن في سانت لويس طريقة حسابية لتحديد مدى الثقة التي يجب أن يتمتع بها العالم في أن قياساته ، في أي وقت ، دقيقة ، بالنظر إلى النموذج المستخدم لإنتاجها.


نُشر البحث في 11 ديسمبر في مجلة Nature Communications.


قال ليو ، الأستاذ المساعد في بريستون إم غرين ، قسم الهندسة الكهربائية والنظم: "بشكل أساسي ، هذه أداة جنائية لإخبارك ما إذا كان هناك شيء صحيح أم لا". إنها ليست مجرد طريقة للحصول على صورة أوضح. "هذه طريقة جديدة تمامًا للتحقق من مصداقية كل التفاصيل داخل الصورة العلمية.


وأضاف عن الطريقة الحسابية المسماة التدفق الناجم عن Wasserstein (WIF): "لا يتعلق الأمر بتوفير دقة أفضل". "إنها تقول ، 'هذا الجزء من الصورة قد يكون خاطئًا أو في غير موضعه."


العملية التي يستخدمها العلماء "لرؤية" الفحص المجهري الصغير جدًا - الجزيء المفرد الموضعي (SMLM) - يعتمد على التقاط كميات هائلة من المعلومات من الكائن الذي يتم تصويره. ثم يتم تفسير هذه المعلومات بواسطة نموذج حاسوبي يزيل في النهاية معظم البيانات ، ويعيد بناء صورة دقيقة ظاهريًا - صورة حقيقية لبنية بيولوجية ، مثل بروتين أميلويد أو غشاء خلوي.


هناك بعض الطرق المستخدمة بالفعل للمساعدة في تحديد ما إذا كانت الصورة ، بشكل عام ، تمثل تمثيلًا جيدًا للشيء الذي يتم تصويره. ومع ذلك ، لا يمكن لهذه الطرق تحديد مدى احتمالية دقة أي نقطة بيانات مفردة داخل الصورة.


 

حسام المزيدي ، خريج حديث كان طالب دكتوراه في مختبر لو لهذا البحث ، عالج المشكلة.


وقال: "أردنا أن نرى ما إذا كانت هناك طريقة يمكننا من خلالها القيام بشيء حيال هذا السيناريو بدون حقيقة أساسية". "إذا كان بإمكاننا استخدام النمذجة والتحليل الحسابي لتحديد ما إذا كانت قياساتنا صادقة أم دقيقة بدرجة كافية."


لم يكن لدى الباحثين حقيقة أساسية - لا يوجد منزل يمكن مقارنته بصورة سمسار العقارات - لكنهم لم يكونوا خاليي الوفاض. كان لديهم مجموعة من البيانات التي عادة ما يتم تجاهلها. استفاد Mazidi من الكم الهائل من المعلومات التي تم جمعها بواسطة جهاز التصوير والتي عادةً ما يتم تجاهلها كضوضاء. يعتبر توزيع الضوضاء أمرًا يمكن للباحثين استخدامه كحقيقة أساسية لأنه يتوافق مع قوانين الفيزياء المحددة.


قال ليو عن رؤية مازيدي: "لقد كان قادرًا على أن يقول ،" أنا أعرف كيف تتجلى ضوضاء الصورة ، هذا هو القانون الفيزيائي الأساسي ".


يوضح هذا الرسم الطريقة التي يزيل بها WIF نقاط البيانات في غير محلها. بعد تقليل الضوضاء ، تتم إزالة الأجزاء الخضراء من "الورقة" من الجسم الأحمر للفاكهة. الائتمان: جامعة واشنطن في سانت لويس

قال لو "لقد عاد إلى المجال الصاخب غير الكامل للقياس العلمي الفعلي". جميع نقاط البيانات المسجلة بواسطة جهاز التصوير. "هناك بيانات حقيقية هناك يتجاهلها الناس".


وبدلاً من تجاهلها ، تطلع مازيدي ليرى مدى جودة توقع النموذج للضوضاء - بالنظر إلى الصورة النهائية والنموذج الذي أنشأها.


يشبه تحليل العديد من نقاط البيانات تشغيل جهاز التصوير مرارًا وتكرارًا ، وإجراء عمليات اختبار متعددة لمعايرته.


قال لو "كل هذه القياسات تعطينا ثقة إحصائية".


يسمح WIF لهم بتحديد ليس ما إذا كانت الصورة بأكملها محتملة بناءً على النموذج ، ولكن بالنظر إلى الصورة ، إذا كانت أي نقطة معينة على الصورة محتملة ، بناءً على الافتراضات المضمنة في النموذج.


في النهاية ، طور Mazidi طريقة يمكنها القول بثقة إحصائية قوية أن أي نقطة بيانات معينة في الصورة النهائية يجب أو لا ينبغي أن تكون في مكان معين.


يبدو الأمر كما لو أن الخوارزمية حللت صورة المنزل و- دون أن ترى المكان على الإطلاق- قامت بتنظيف الصورة ، وكشفت عن الفتحة الموجودة في الجدار.


في النهاية ، ينتج عن التحليل رقمًا واحدًا لكل نقطة بيانات ، بين -1 و 1. كلما اقتربنا من واحد ، زادت ثقة العالم في أن نقطة على صورة ما تمثل في الواقع الشيء الذي يتم تصويره بدقة.


يمكن أن تساعد هذه العملية العلماء أيضًا على تحسين نماذجهم. قال مازيدي: "إذا كان بإمكانك قياس الأداء ، فيمكنك أيضًا تحسين نموذجك باستخدام النتيجة". بدون الوصول إلى الحقيقة الأساسية ، "يسمح لنا بتقييم الأداء في ظل ظروف تجريبية حقيقية بدلاً من ذلك

ن محاكاة ".


الاستخدامات المحتملة لـ WIF بعيدة المدى. قال ليو إن الخطوة التالية هي استخدامه للتحقق من التعلم الآلي ، حيث قد تنتج مجموعات البيانات المتحيزة مخرجات غير دقيقة.


كيف يعرف الباحث ، في مثل هذه الحالة ، أن بياناته كانت متحيزة؟ "باستخدام هذا النموذج ، ستكون قادرًا على اختبار البيانات التي ليس لها حقيقة أساسية ، حيث لا تعرف ما إذا كانت الشبكة العصبية قد تم تدريبها ببيانات مشابهة لبيانات العالم الحقيقي.


قال لو: "يجب توخي الحذر في كل نوع من القياس الذي تقوم به". "في بعض الأحيان نريد فقط الضغط على الزر الأحمر الكبير ومعرفة ما نحصل عليه ، ولكن علينا أن نتذكر ، هناك الكثير مما يحدث عندما تضغط على هذا الزر."

مشاركة

ليست هناك تعليقات:

جميع الحقوق محفوظة لــ رسالتي خبر