अल्ट्रासाउंड छवियों पर भाषा का विभाजन उच्चारण विश्लेषण और भाषण विकारों के निदान के लिए आवश्यक है, लेकिन लेबल किया गया डेटा एकत्र करना कठिन है: विशेषज्ञों की आवश्यकता होती है, और छवियाँ स्वयं एक उपकरण से दूसरे उपकरण में बहुत भिन्न होती हैं। जब लेबल की गई सामग्री लगभग नहीं होती है, तो मानक न्यूरल नेटवर्क प्रशिक्षण काम नहीं करता: मॉडल किसी विशेष स्रोत की विशेषताओं को याद रखता है और नई परिस्थितियों में सामान्यीकरण नहीं कर पाता।
यह कठिन क्यों है
समस्या केवल कम संख्या में एनोटेशन की नहीं है। जीभ के अल्ट्रासाउंड डेटा विभिन्न सेंसर, विभिन्न सेटिंग्स और विभिन्न लोगों से एकत्र किए जाते हैं, इसलिए प्रत्येक नए सेट में छवियों का वितरण अलग होता है। इसे डोमेन शिफ्ट कहा जाता है। यदि मॉडल को एक सेट पर प्रशिक्षित किया जाता है और दूसरे पर लागू किया जाता है, तो विभाजन की गुणवत्ता तेजी से गिर जाती है। शास्त्रीय अनुकूलन विधियों के लिए स्रोत डोमेन के लेबल किए गए डेटा तक पहुँच की आवश्यकता होती है, लेकिन वास्तविक कार्य में अक्सर केवल एक पूर्व-प्रशिक्षित मॉडल और नए डोमेन की बिना लेबल वाली छवियाँ उपलब्ध होती हैं।
विचार: सोर्स-फ्री अनुकूलन
हालिया शोध के लेखक एक फ्रेमवर्क प्रस्तावित करते हैं जो बिना किसी लेबल किए डेटा और बिना मूल छवियों तक पहुँच के मॉडल को नए डोमेन के अनुकूल बनाता है। आधार के रूप में एक हल्का बैकबोन UltraUNet लिया जाता है, जिसे केवल पाँच लेबल किए गए स्नैपशॉट पर पूर्व-प्रशिक्षित किया जाता है। यह जानबूझकर कमजोर शुरुआती बिंदु है — यह उस स्थिति का अनुकरण करता है जब डेटा की कमी के कारण मॉडल अपर्याप्त रूप से प्रशिक्षित होता है। फिर लक्ष्य डोमेन के लिए अनुकूलन होता है, जहाँ लेबल किए गए उदाहरण बिल्कुल नहीं होते।
फ़िल्टरिंग के साथ स्यूडो-लेबल
पहले मॉडल लक्ष्य छवियों पर भविष्यवाणियाँ करता है। इन मोटे मास्क को स्यूडो-लेबल कहा जाता है। लेकिन उन सभी पर भरोसा नहीं किया जा सकता: कुछ आकृतियाँ गलत या पूरी तरह से त्रुटिपूर्ण होंगी। इसलिए फ्रेमवर्क एक विशेष कंटूर गुणवत्ता नियंत्रण मॉड्यूल का उपयोग करता है जो अविश्वसनीय मास्क को हटा देता है। शेष स्वच्छ स्यूडो-लेबल प्रशिक्षण में जाते हैं। प्रक्रिया पुनरावृत्त रूप से दोहराई जाती है — प्रत्येक चक्र के साथ लेबल की गुणवत्ता बढ़ती है, और मॉडल लक्ष्य डोमेन के लिए बेहतर ढंग से अनुकूलित होता है।
लक्ष्य शैली में सिंथेटिक डेटा
इसके अतिरिक्त, एक सेगमेंटेशन-नियंत्रित कंडीशनल GAN का उपयोग किया जाता है, जो लक्ष्य डोमेन की शैली में सिंथेटिक "छवि-मास्क" जोड़े उत्पन्न करता है। यह ऑगमेंटेशन के समान है, लेकिन डेटा यादृच्छिक परिवर्तनों से नहीं, बल्कि विशेष रूप से नए डोमेन की शैली के अनुसार बनाया जाता है। छात्र मॉडल तीन स्रोतों के मिश्रण पर प्रशिक्षित होता है: स्वच्छ स्यूडो-लेबल वाली लक्ष्य छवियाँ, संगति नियमितीकरण के साथ शोरगुल वाले स्यूडो-लेबल, और उत्पन्न सिंथेटिक नमूने। यह मिश्रण मॉडल को त्रुटियों के प्रति प्रतिरोधी बनाता है और शोर पर अति-प्रशिक्षण से बचने में मदद करता है।
परिणाम
विधि को आठ जीभ अल्ट्रासाउंड डेटासेट से बने 12 "स्रोत-लक्ष्य" जोड़ों पर परीक्षण किया गया। सभी प्रयोगों में, प्रस्तावित फ्रेमवर्क ने बुनियादी दृष्टिकोणों को पीछे छोड़ दिया, जिसमें सीमित डेटा पर सामान्य पर्यवेक्षित प्रशिक्षण भी शामिल है। सेगमेंटेशन ओवरलैप और कंटूर सटीकता दोनों में सुधार हुआ। लेखक निष्कर्ष निकालते हैं कि स्यूडो-लेबल शोधन और लक्ष्य डोमेन शैली में सिंथेटिक ऑगमेंटेशन प्रमुख घटक हैं जो लगभग बिना लेबलिंग के अनुकूलन को सक्षम बनाते हैं।
यह दृष्टिकोण एक व्यावहारिक मार्ग खोलता है: एक बार छोटे सेट पर मॉडल को प्रशिक्षित करना पर्याप्त है, और फिर इसे धीरे-धीरे नई परिस्थितियों — नए सेंसर, सेंसर की अलग स्थिति, या रोगियों के विभिन्न समूह — के अनुकूल बनाना, बिना श्रमसाध्य मैन्युअल लेबलिंग के।
