ناقش الباحث أحمد حسن الخطيب الطالب في برنامج الماجستير في علم البيانات وتحليل الأعمال رسالته الموسومة ب: "فحص السمات في الطبقات الخفية لنماذج التعلم العميق المطبقة على بيانات علم الأعصاب"
" Explainable Deep Learning Methods for Neuroscience Data to Analyze the Extracted Features in The Hidden Layers"
في السنوات الأخيرة، قدمت نماذج التعلم العميق تطبيقات مختلفة في شتى المجالات وخصوصاً في المجالات الطبية، ومن ضمنها مجال العلوم العصبية، حيث إن التأكد من تفسير النتائج التي تتنبأُ بها نماذج التعلم العميق كانت ولا زالت تحدٍ مهم وخصوصاً استكشاف الطبقات الخفية في هذه النماذج وهو ما يسمى بتفسير الصندوق الأسود Black Box. يقوم هذا العمل البحثي، المعنون ب 'فحص السمات في الطبقات الخفية لنماذج التعلم العميق المطبقة على بيانات علم الأعصاب'، باستخدام تقنيات التعلم العميق المُفسِرة ُ Explainable Artificial Intelligent (XAI like LIME and SHAP) بإلقاء الضوء على عمليات اتخاذ القرارات لشبكات الأعصاب التكاملية المُطبَّقة على البيانات العصبية.
ركزت الرسالة على استخدام بيانات تصوير الدماغ المغناطيسي (MEG) والتي تحتوي على ستة حزم من الترددات كميزات (Features)، حيث يتعثر التفسير البصري لنتائج XAI بسبب تعقيد صور الدماغ المغناطيسي MEG. ومع ذلك، يفسر هذا البحث نماذج التعلم العميق للتميز بين الكلاب والقطط والتمييز بين الأرقام المكتوبة بخط اليد في قاعدة البيانات (MNIST) بدقة عالية، مُظهرًا فعالية تقنيات التعلم العميق المُفسِرة جنبًا إلى جنب مع التفسير البصري. كما ركزت الرسالة على كشف وتفسير الطبقات الخفية التي تُعْتَبَر صناديق سوداء في نماذج التعلم العميق لبيانات صور الدماغ البشري، حيث يقوم هذا البحث بدراسة أهمية المميزات باستخدام حساب قيم SHAP لكل بكسل في صور MEG والتي تقوم بدورها بحساب أهمية الميزات التي يستند عليها نموذج التعلم العميق، مما يوفر رؤى في عمليات اتخاذ القرارات وتعزيز شفافية النموذج بشكل عام.
فيما يخص بيانات علم الأعصاب وتحديدا صور MEG، حدد البحث تردد Gamma1 بأعلى قيم SHAP، مشيرًا إلى تأثيره البارز على توقعات التعلم العميق. يسهم هذا الفهم المعقد في تفسير عملية اتخاذ القرارات الخاصة بالنموذج، مقدمًا رؤى قيمة حول التأثير التسلسلي بين حزم التردد داخل مجالات معينة ضمن البيانات المعطاة ومهمة للتنبؤ. في الختام، يعالج هذا البحث تحدي التفسير في علم الأعصاب من خلال الكشف عن الصندوق الأسود في الطبقات الخفية، مما يعزز عمليات اتخاذ القرارات المستنيرة في تطبيقات العلوم العصبية والكشف المبكر للأمراض التي تصيب الجهاز العصبي كالزهايمر وباركنسون.
وأشرف على الرسالة كل من د. أحمد حساسنة و د. يورجن دامرز من معهد يولش للأبحاث في ألمانيا، وضمت لجنة الممتحنين كلا من: د. أنس سمارة و د. محمود عبيد.