Abstract
تتجه أنظمة تصنيف الصور التشخيصية بالمنظار الجلدي بشكل متزايد نحو النشر على الأجهزة الطرفية محدودة الموارد، حيث تبقى ضغط النماذج وشفافيتها وسلامة التقييم من المتطلبات الجوهرية. يتمثل القصور المنهجي السائد في الأدبيات العلمية في اعتماد التقسيم العشوائي على مستوى الصور، مما يُتيح ظهور صور متعددة للآفة ذاتها في مجموعتَي التدريب والاختبار في آنٍ واحد. حين لا يُعالَج هذا الخلل، يُفضي التسرب داخل الآفة الواحدة إلى تضخيم مقاييس التقييم المُبلَّغ عنها، إذ تستغل النماذج الخصائص البصرية الخاصة بالمريض بدلاً من تعلّم الأنماط السريرية القابلة للتعميم. علاوةً على ذلك، لم تُستكشف حتى الآن تداعيات هذا التسرب على دراسات قياس أداء التكميم بعد التدريب. تُعالج هذه الورقة البحثية اثنين من هذه الثغرات بتقديم إطار تقييم صارم قائم على التقسيم الطبقي على مستوى الآفة، خالٍ من التسرب، لدراسات التكميم بعد التدريب لمُصنِّف متعدد الفئات لآفات الجلد مُدرَّب مسبقاً على نموذج EfficientNetB0. لتحقيق ذلك، جُمعت 23,247 صورة منظاريه جلدية من قاعدة بيانات ISIC 2019 تغطي ثماني فئات تشخيصية، وزُّعت على 11,847 آفة قابلة للتعريف المستقل. أُجري مخطط تعلم نقل ثنائي المرحلة باستخدام دالة خسارة الانحياز البؤري، مما أسفر عن دقة تصنيف بلغت 86.98% بمقياس AUC الكلي و84.05% بدقة أفضل فئتين. وقد أُتطبق التكميم Float16 لتحقيق تقليص في حجم النموذج بنسبة 49.6% مع الحفاظ على دقة التصنيف.
Keywords
اختلال توازن الفئات
التعلم بالنقل
التكميم بعد التدريب
تحليل الصور التشخيصية بالمنظار الجلدي
ضغط النماذج