Ин таҳқиқот барои таҳлили автоматии расмҳои пайкари инсон, ки кӯдакон дар доираи санҷиши Draw-a-Person (DAP; Одамро Бикаш) месозанд, низоми гибридиро пешниҳод мекунад, ки омӯзиши амиқро бо қоидаҳои ошкори геометрӣ якҷо мекунад. Дар меъмории асосӣ модели ResNet-50, ки пешакӣ дар ImageNet омӯзонида шудааст, дар расмҳо 10 хусусияти визуалии анатомӣ — сар, чашм, мӯй, даст, пой, даҳон, бинӣ, гӯш, гардан ва тана — ро пешгӯӣ мекунад. Ба онҳо шаш хусусияти геометрӣ/эвристикӣ, ки таносуби тана, нишондиҳандаи китф, намояндагии дуҷонибаи дасту пой, пайвасти дасту пой–тана, минтақаи дурусти пайвастшавӣ ва пайвастагии гарданро арзёбӣ мекунанд, илова шуда, дар маҷмӯъ 16 хусусияти дуӣ ташкил мешавад.

Дар таҳқиқот дар маҷмӯъ 948 расми дастӣ истифода шудааст. Тибқи шарҳи муфассали тақсимоти маълумот, 663 тасвир барои омӯзиш, 142 тасвир барои санҷиши тасдиқӣ ва 143 тасвир барои санҷиши мустақил ҷудо шудааст. Дақиқии гузоришшуда дар кросс-валидатсияи панҷқисмӣ аз %90,05 то %91,64 тағйир ёфта, миёнааш %91,01 будааст. Бо вуҷуди ин, иҷроиш аз як хусусият то хусусияти дигар хеле фарқ кардааст: барои ҷузъҳои равшан, аз қабили сар, чашм, даст, пой, даҳон ва тана, қиматҳои F1 тақрибан ба сатҳи 0,98–1,00 расидаанд, дар ҳоле ки ҷузъиёти хурдтар ё тағйирёбанда, ба монанди гӯш ва гардан, хеле душвортар муайян шудаанд.

Дар маҷмӯи санҷиши мустақили 143 расм, ҳамбастагии низоми автоматӣ бо холҳои умумии DAP, ки инсон таъин кардааст, r=0,93 (p<0,001) гузориш шуда, дар тақрибан %87 расм фарқи байни холи автоматӣ ва холи истинодӣ дар ҳудуди ±1 хол мондааст. Аммо ин натиҷаҳо нишон намедиҳанд, ки низом метавонад ташхиси равонӣ гузорад ё ҷойгузини арзёбии мутахассис шавад. Таҳқиқот танҳо муайянкунии автоматии 16 хусусияти мушаххаси расм ва сохтани холи оддии ҷамъбастӣ аз онҳоро арзёбӣ кардааст. Илова бар ин, баъзе номувофиқатиҳо дар манбаъ вобаста ба тақсимоти маълумот, андозаи баромад ва ҷадвалҳои иҷроиш талаб мекунанд, ки натиҷаҳо бо эҳтиёт тафсир шаванд.

Таҳқиқот кадом мушкилро ҳал кардан мехоҳад?

Санҷиши Draw-a-Person ба баҳогузории хусусиятҳои муайяни шаклӣ ва анатомӣ аз рӯи расми пайкари инсон такя мекунад. Нуқтаи оғози таҳқиқоти манбаъ ин аст, ки санҷиши дастии ин хусусиятҳо вақт мегирад ва байни арзёбиҳо метавонад фарқи тафсир ба вуҷуд ояд.

Муҳаққиқон ба ҷойи он ки мушкилро пурра ба модели “қуттии сиёҳ”-и зеҳни сунъӣ супоранд, ду равиши ҷудогонаро муттаҳид кардаанд. Сохторҳои анатомие, ки бояд бевосита дар тасвир дида шаванд, аз ҷониби CNN-и бар пояи ResNet-50 арзёбӣ мешаванд, дар ҳоле ки муносибатҳои мавқеӣ ва геометрии байни қисмҳо бо қоидаҳои ошкор ҳисоб карда мешаванд.

Ба ин тартиб, низом на танҳо ба саволи “дар ин расм пой ҳаст?” посух додан мехоҳад, балки ба саволҳои сохтории бештар, масалан оё дасту пой ба тана пайвастанд ё баландии тана аз паҳноии он зиёд аст.

10 хусусияти CNN кадомҳоянд?

Қисми визуалии бар пояи ResNet мавҷуд ё набудани даҳ ҷузъи зерини анатомиро дар расм пешгӯӣ мекунад:

• гӯшҳо,
• чашмҳо,
• мӯй,
• дастҳо,
• сар,
• пойҳо,
• даҳон,
• гардан,
• бинӣ,
• тана.

Ҳар хусусият метавонад мустақил аз дигарон тамғаи ҳаст/нест гирад. Аз ин рӯ, масъала таснифоти классикии яксинфаи тасвир нест, балки масъалаи таснифоти бисёртамғагӣ мебошад.

Шаш қоидаи геометрӣ чиро арзёбӣ мекунанд?

Шаш хусусияти иловашуда ба CNN аз координатаҳои қисмҳои кашидашуда ва муносибатҳои bounding-box ҳисоб мешаванд:

Дар таҳқиқоти манбаъ гуфта мешавад, ки ҳадҳои геометрӣ бо grid search дар маълумоти валидатсия танзим шудаанд. Ҳадди интихобшудаи IoU барои пайвасти дасту пой–тана 0,01; таносуби минтақаи пайвасти болоӣ 0,3 ва таносуби минтақаи поёнӣ 0,5 аст.

“Синну сол” дар маҷмӯи маълумот чӣ маъно дорад?

Дар маҷмӯи маълумот 948 расм ба ҳашт гурӯҳ тақсим шуда, гурӯҳҳо аз 4 то 11 тамғагузорӣ шудаанд. Аммо таҳқиқоти манбаъ ба таври равшан мегӯяд, ки инҳо новобаста аз синни воқеии донишомӯзон, бо арзёбии касбӣ таъиншудаи гурӯҳҳои mental-age мебошанд.

Ин фарқ махсусан ҳангоми тафсири графикҳои F1 аз рӯи синну сол муҳим аст. Масалан, боло рафтани F1-и муайянкунии даҳон аз 0,30 дар гурӯҳи 4 то 0,95 дар гурӯҳи 11 натиҷаи таҳқиқоти longitudinal нест, ки ҳамон кӯдакон бо калон шудан пайгирӣ шудаанд. Инҳо нишондиҳандаҳои модел дар гурӯҳҳои расмие мебошанд, ки пешакӣ ба категорияҳои гуногуни mental-age таъин шудаанд.

Кадом хусусиятҳо осон ва кадомашон душвор буданд?

Дар кросс-валидатсияи панҷқисмӣ барои ҷузъҳои равшани анатомӣ, аз қабили сар, даст, пой, чашм, даҳон ва тана, холҳои баланди F1 ба даст омадаанд. Дар Ҷадвали 5-и манбаъ F1 миёна барои чашм, даст, сар, пой ва тана тақрибан 0,99 ва барои даҳон 0,98 гузориш шудааст.

Баръакс, F1 миёна барои бинӣ 0,84, барои мӯй 0,87 ва барои гардан 0,75 аст. Нокомии барҷаста гӯш мебошад: Ҷадвали 5-и манбаъ F1 миёнаи гӯшро танҳо 0,09 ± 0,06 медиҳад.

Арзёбии визуалии таҳқиқот низ инро ба тағйирёбии зиёди ҷузъиёти хурд ё услубшуда аз як расм то расми дигар нисбат медиҳад. Баъзе кӯдакон гӯшро умуман намекашанд, баъзеҳо бошад онро бо шаклҳои хеле хурд ё норавшан тасвир мекунанд.

Чаро дақиқии умумии баланд ба танҳоӣ кофӣ нест?

Таҳқиқот масъалаи бисёртамғагӣ ва дорои номутавозинии қавии синфҳоро баррасӣ мекунад. Муаллифони манбаъ низ аз ҳамин сабаб мегӯянд, ки precision, recall ва F1 метавонанд аз accuracy иттилоотӣтар бошанд.

Ин нукта дар санҷиши мустақил махсусан равшан аст. Дар Ҷадвали 10 барои ҳамаи даҳ хусусияти визуалӣ, ки CNN арзёбӣ кардааст, шумораи манфии ҳақиқӣ (TN) сифр аст. Масалан, барои гӯш TP=57, FP=86, TN=0 ва FN=0 гузориш шудааст. Дар чунин тақсимот модел барои ҳамаи 143 расми санҷишӣ гуфтааст, ки “гӯш ҳаст”. Аз ин рӯ recall 1,00 мешавад, аммо precision танҳо 57/143 ≈ 0,399 ва F1 тақрибан 0,57 аст.

Ба ҳамин монанд, барои сар ҳамаи 143 расм мусбатанд, бинобар ин TP=143, FP=TN=FN=0. Дар чунин зергуруҳи санҷишӣ қобилияти модел барои дуруст рад кардани расме, ки сар надорад, чен карда намешавад. Аз ин рӯ баъзе қиматҳои 0,99–1,00 набояд ҳамчун “модел дар ҳама шароит қариб комил аст” тафсир шаванд.

Бо холҳои мутахассисон то чӣ андоза мувофиқ буд?

Дар маҷмӯи санҷиши 143 расм, ҳамбастагии Pearson байни холи умумии автоматии DAP ва холи ground-truth-и инсон r=0,93 ва p<0,001 гузориш шудааст. Дар Расми 8-и манбаъ қисми назарраси нуқтаҳо дар атрофи хатти идеалии \(y=x\) ҷамъ шудаанд.

Тибқи тақсимоти хато дар Расми 9, дар тақрибан %87 расм фарқи байни холи автоматӣ ва истинодӣ дар ҳудуди ±1 хол аст. Гуфта мешавад, ки фарқҳои зиёда аз ду хол каманд.

Ин натиҷаҳо мавҷудияти робитаи қавӣ байни холи автоматӣ ва истинодиро дастгирӣ мекунанд. Аммо ҳамбастагӣ санҷиши мувофиқати пурраи байни усулҳо нест ва ба танҳоӣ исбот намекунад, ки низом дар арзёбии равонӣ метавонад ҷойгузини мутахассис шавад.

Натиҷаҳое, ки таҳқиқот дастгирӣ мекунад

• Таҳлили визуалии бар пояи ResNet ва қоидаҳои геометриро метавон дар як ҷараёни автоматии DAP якҷо кард.
• Сохторҳои равшани анатомӣ нисбат ба ҷузъиёти хурд бо эътимоди бештар муайян шудаанд.
• Гӯш ва гардан аз душвортарин хусусиятҳои CNN дар таҳқиқотанд.
• Байни холи автоматии 0–16 ва холи истинодии инсон дар таҳқиқоти манбаъ ҳамбастагии қавӣ гузориш шудааст.
• Ҳисоб кардани муносибатҳои геометрӣ бо қоидаҳои ошкор баъзе қарорҳои низомро пайгиришаванда месозад.
• Иҷроиши санҷиши мустақил барои ҳамаи хусусиятҳо яксон нест.

Натиҷаҳое, ки таҳқиқот исбот намекунад

• Исбот нашудааст, ки низом метавонад зеҳн, ҳолати равонӣ ё ҳолати психиатрии кӯдакро ба танҳоӣ ташхис кунад.
• Нишон дода нашудааст, ки холи автоматӣ метавонад ба таври бехатар ҷойгузини арзёбии равоншиноси мутахассис шавад.
• Исбот нашудааст, ки модел дар кӯдакони фарҳангҳои гуногун ҳамон иҷроишро хоҳад дошт.
• Гурӯҳҳои маълумот бо тамғаҳои 4–11 когортҳои синни хронологӣ нестанд; аз ин рӯ натиҷаҳо каҷи мустақими рушди вобаста ба синну сол нестанд.
• Нишон дода нашудааст, ки холи оддии 0–16 ҳамаи мантиқи вазнгузорӣ ва тафсири клиникии низоми аслии Goodenough–Harris-ро айнан ифода мекунад.
• Ҳамбастагии баланд маънои баробарии клиникӣ ё эътибори ташхисиро надорад.

Усул ва Натиҷаҳои Таҳқиқот

Омодасозии маълумот

Маҷмӯи маълумоти манбаъ аз 948 расми дастӣ иборат аст. Даҳ минтақаи асосии анатомӣ бо воситаи аннотатсияи тасвир DigitalSreeni дар шакли bounding box дастӣ тамғагузорӣ шуда, аннотатсияҳо дар сохтори услуби COCO нигоҳ дошта шудаанд.

Тасвирҳо ба формати RGB табдил дода шуда, мувофиқ ба вуруди ResNet-50 ба 224 × 224 пиксел тағйири андоза дода шудаанд. Ҳангоми омӯзиш бо эҳтимоли %50 уфуқӣ гардондани тасвирҳо ва тағйир додани равшанӣ/контраст ба ±%20 афзоиши маълумот татбиқ шудааст.

Тақсимоти истифодашуда дар қисми муфассали омодасозии маълумот чунин аст:

Ин тақсимот бо ибораи “маҷмӯи алоҳидаи hold-out test бо 948 расм” дар хулосаи мақола мувофиқ нест. Азбаски усули муфассал ва ҷадвалҳои санҷишӣ маҷмӯи мустақили 143 расмро дастгирӣ мекунанд, дар ин ҷо 948 ҳамчун маҷмӯи умумии маълумот ва 143 ҳамчун андозаи hold-out test оварда шудааст.

Меъмории ResNet-50

Тибқи таърифи меъмории асосӣ, ResNet-50 backbone-и пешакӣ дар ImageNet омӯзонидашуда ҳамчун истихроҷгари собити хусусият истифода шуда, қабатҳои convolution яхкарда шудаанд. Барои расми RGB-и 224 × 224:

\[ x \in \mathbb{R}^{3\times224\times224} \]

Backbone дар баромади global average pooling вектори 2048-андозагии хусусиятро ҳосил мекунад:

\[ f_{\mathrm{ResNet}}(x)\in\mathbb{R}^{2048} \]

Дар шарҳи меъмории асосӣ қабати нави хаттӣ ба 10 хусусияти визуалии анатомӣ харитасозӣ мешавад:

\[ z_{\mathrm{CNN}}=Wf_{\mathrm{ResNet}}(x)+b \]

\[ W\in\mathbb{R}^{10\times2048},\qquad b\in\mathbb{R}^{10} \]

Ҳар logit бо sigmoid ба эҳтимолият табдил мешавад:

\[ \hat{y}_i=\sigma(z_i)=\frac{1}{1+e^{-z_i}} \]

Сипас 10 баромади CNN бо шаш хусусияти геометрӣ/эвристикӣ якҷо мешаванд:

\[ y_{\mathrm{final}}=[y_{\mathrm{CNN}},y_{\mathrm{heuristic}}]\in\mathbb{R}^{16} \]

Аммо дар қисми 4.2-и таҳқиқоти манбаъ навишта шудааст, ки қабати таснифӣ вектори 2048-андозагиро мустақиман ба 16 хусусияти ҳадаф харитасозӣ мекунад. Ин бо меъмории “10 CNN + 6 heuristic” дар Расми 1 ва қисмҳои 4.1 ва 4.3 мувофиқат намекунад. Аз ин рӯ дар матни Verianla ҳамчун меъмории асосӣ сохтори 10+6, ки дар расм ва аксари шарҳҳо такрор мешавад, қабул шуда, ибораи зиддиятноки 16-CNN ҳамчун номувофиқати дохилии манбаъ сабт шудааст.

Функсияи талафот ва номутавозинии синфҳо

Дар таҳқиқот барои таснифоти бисёртамғагӣ BCEWithLogitsLoss истифода шуда, барои он ки хусусиятҳои мусбати камёб ҳангоми омӯзиш вазни бештар гиранд, pos_weight татбиқ шудааст.

Дар манбаъ вазни хусусият бо таносуби зерин шарҳ дода мешавад:

\[ w_i=\frac{negatives_i}{positives_i} \]

Ба ин тартиб, хато тасниф кардани намунаи мусбат дар хусусиятҳои камёб хароҷоти омӯзишии бештар дорад.

Бо вуҷуди ин, дар қисми функсияи талафот навишта шудааст, ки баромади \(N=16\) мустақиман ба талафоти CNN дохил шудааст. Ин ҳам бо меъмории асосӣ, ки мегӯяд шаш хусусияти heuristic берун аз CNN ҳисоб мешаванд, пурра мувофиқат намекунад.

Танзимоти омӯзиш

Натиҷаи кросс-валидатсия

Дар қисми 4.6-и мақола гуфта шудааст, ки пас аз ҷудо кардани маҷмӯи санҷиши 143 тасвир, 805 тасвири боқимонда дар кросс-валидатсияи панҷқисмӣ истифода шудаанд. Дар ҳар итератсия тақрибан 644 тасвир барои омӯзиш ва 161 тасвир барои валидатсия истифода шудааст.

Баръакс, дар қисми 4.7 гуфта мешавад, ки “complete dataset”, яъне 948 расм, ба панҷ fold тақсим шудааст. Ин бо протоколи қаблӣ, ки 143 тасвир пурра ҷудо нигоҳ дошта мешаванд, мухолиф аст. Манбаъ ин ду тавсифро мувофиқ намекунад.

F1 аз рӯи хусусият дар кросс-валидатсияи панҷқисмӣ

Он ки ҳамаи шаш хусусияти heuristic дар кросс-валидатсия F1=1,00 мегиранд, ҷолиб аст. Қисми усул мегӯяд, ки тамғаҳои кросс-валидатсия бо ҳамин қоидаҳои heuristic сохта шудаанд. Аз ин рӯ арзёбии қоида дар муқобили тамғае, ки худи қоида ҳосил кардааст, валидатсияи мустақил нест. Воқеан, вақте дар маҷмӯи hold-out-и 143 расм ин шаш хусусиятро арзёбони мустақили ботаҷриба тамғагузорӣ мекунанд, баъзе иҷроишҳои heuristic ба таври назаррас паст мешаванд.

Иҷроиши ниҳоии хусусиятҳо дар санҷиши мустақили 143 расм

Дар ин ҷадвал accuracy миёна 0,8780, precision 0,8929, recall 0,9458 ва F1 0,8996 гузориш шудааст. Махсусан паст шудани F1-и хусусияти heuristic-и “дасту пой ба тана пайвастанд” то 0,4762 нишон медиҳад, ки қимати 1,00-и кросс-валидатсия дар муқобили тамғаи истинодии мустақил нигоҳ дошта нашудааст.

Чаро ду ҷадвали иҷроиш дар манбаъ бояд бо эҳтиёт хонда шаванд?

Ҷадвали 7-и манбаъ барои 16 хусусият accuracy=0,9175, precision=0,8869, recall=0,9375 ва F1=0,905-и миёнаро медиҳад. Ҷадвали 8-и минбаъдаи муайянкунӣ/баҳогузории автоматӣ бошад accuracy=0,8780, precision=0,8929, recall=0,9458 ва F1=0,8996 медиҳад.

Матни мақола ин ду марҳилаи арзёбиро комилан пайваста ном намегузорад. Илова бар ин, дар шарҳи баъдии Ҷадвали 9 ба назар мерасад, ки рақамҳои ҷадвал як зина лағжидаанд. Аз ин рӯ додани як рақами танҳо ва бе контекст, масалан “дақиқии низом %91,78 аст”, аз нигоҳи илмӣ гумроҳкунанда хоҳад буд.

Тағйироти калон дар натиҷаи гӯш

Дар Ҷадвали 7-и манбаъ барои муайянкунии гӯш accuracy=0,63, precision=0,14, recall=0,01 ва F1=0,07 дода мешавад. Дар Ҷадвали 8 барои гӯш accuracy ва precision 0,3986, recall 1,0000 ва F1=0,5700 аст.

Ҷадвали 9 ин тағйиротро ҳамчун беҳбудӣ баъд аз “heuristic refinement” тафсир мекунад. Аммо дар байни шаш хусусияти heuristic-и муайяншуда ҳеҷ қоидае нест, ки муайянкунии гӯшро ислоҳ кунад; heuristics таносуби тана, китф, дасту пойи дуҷониба, пайвасти дасту пой, минтақаи пайвастшавӣ ва пайвастагии гардан мебошанд. Аз ин рӯ сабаби техникии тағйироти F1-и гӯш аз 0,07 → 0,57 аз матни манбаъ боэътимод муайян намешавад.

Матритсаи иштибоҳ чӣ нишон медиҳад?

Дар санҷиши 143 расм матритсаи иштибоҳи даҳ хусусияти визуалӣ ҳушдори муҳими дигар медиҳад:

Ин рақамҳо нишон медиҳанд, ки барои ҳамаи даҳ хусусияти визуалӣ FN=0 ва TN=0 аст. Аз ин рӯ қобилияти модел барои дуруст муайян кардани “нест” будани хусусиятҳои визуалӣ дар ин ҷадвали санҷишӣ чен карда намешавад. Баъзе recall ва F1-и баланд аз ҳамин prevalens ва сохтори пешгӯӣ таъсир мегиранд.

Холи автоматӣ чӣ гуна ҳисоб мешавад?

Дар формулаи манбаъ 16 хусусияти дуӣ бевосита ҷамъ карда мешаванд:

\[ S=\sum_{i=1}^{16}f_i \]

Дар ин ҷо \(f_i=1\) мавҷуд будани хусусият ва \(f_i=0\) набудани онро нишон медиҳад. Ҳамин тавр холи умумӣ аз 0 то 16 тағйир меёбад.

Дар қисми баъдии натиҷаҳои манбаъ дар як ҷо навишта шудааст, ки 16 баромади дуӣ “averaging”, яъне миёнагирӣ мешаванд; ҳамон параграф дарҳол мегӯяд, ки холи 0–16 ҳосил мешавад. Азбаски миқёси 0–16 ва муодилаи додашуда ҷамъкуниро дастгирӣ мекунанд, дар матни Verianla ҷамъбасти формула истифода шудааст.

Маҳдудиятҳои асосии методологии таҳқиқот

• Маҷмӯи умумии маълумот танҳо 948 расм аст ва валидатсияи мустақили байнифарҳангӣ гузаронида нашудааст.
• Гурӯҳҳои “mental age”-и манбаъ синни хронологӣ нестанд.
• Дар хусусиятҳои хурди анатомӣ номутавозинии қавии синфҳо мавҷуд аст.
• Дар матритсаи иштибоҳи hold-out барои ҳамаи даҳ хусусияти CNN TN=0 аст.
• Аз қоидаҳо сохта шудани тамғаҳои кросс-валидатсия барои шаш хусусияти heuristic маънои онро дорад, ки холҳои комили CV валидатсияи мустақил нестанд.
• Ҳадҳои heuristic мутобиқи ҳамин маҷмӯи маълумот эмпирикӣ танзим шудаанд ва метавонанд дар услубҳои дигари расмкашӣ ҳамон дақиқиро надиҳанд.
• 16 хусусият дар холи умумӣ вазни баробар доранд; муаллифони манбаъ эътироф мекунанд, ки ин метавонад низоми воқеии DAP-ро пурра ифода накунад.
• Дар бораи он ки кросс-валидатсия дар 805 ё 948 расм гузаронида шудааст, дар манбаъ номувофиқатӣ ҳаст.
• Дар матни усул дар бораи он ки қабати таснифоти ResNet 10 ё 16 баромад медиҳад, номувофиқатӣ мавҷуд аст.
• Гарчанде манбаъ мегӯяд, ки ҳадҳо бо маълумоти валидатсия танзим шудаанд, баъдан гуфта мешавад, ки кросс-валидатсия барои танзими гиперпараметр истифода нашудааст.
• Марҳилаҳои иҷроиш ва истинодҳои ҷадвал байни Ҷадвали 7, Ҷадвали 8 ва Ҷадвали 9 комилан пайваста нестанд.
• Эътибори ташхисии равонӣ ё клиникии холи автоматӣ дар ин таҳқиқот мустақилона санҷида нашудааст.

Ёддошти Манбаъ ва Усул

Маблағгузорӣ ва дастгирии муассисавӣ

Дар баёнияи маблағгузории мақола гуфта мешавад, ки таҳқиқот маблағгузории беруна нагирифтааст. Аммо дар қисми сипосгузорӣ навишта шудааст, ки лоиҳа аз ҷониби KAU Endowment (WAQF) дар King Abdulaziz University дастгирӣ шудааст ва ба WAQF ва Deanship of Scientific Research барои дастгирии техникӣ ва молиявӣ сипос гуфта мешавад. Агар ин ду баёния якҷо арзёбӣ шаванд, таҳқиқот “external funding” гузориш намекунад, аммо дастгирии дохилии муассисаро баён мекунад.

Этика ва манбаи маълумот

Гуфта шудааст, ки баррасии кумитаи ахлоқӣ зарур нест, зеро таҳқиқот аз маҷмӯи маълумоти оммавӣ ва пурра беномшуда истифода бурда, иштирокчии нав ё ҷамъоварии маълумоти навро дар бар намегирад. Аз ин рӯ розигии огоҳона татбиқ намешавад.

Маҷмӯи маълумоти манбаъ аз анбори оммавии Kaggle бо номи “Draw-a-Person Hand-Drawn Sketches by Children” гирифта шуда, санаи дастрасӣ дар мақола 30 ноябри 2025 нишон дода шудааст.

Саҳми муаллифон

Консептуализатсия ва методология аз ҷониби Asma Abdullah Alwadai ва Emad Sami Jaha анҷом дода шудааст. Вазифаҳои нармафзор, валидатсия, таҳқиқ, идоракунии маълумот, тарҳи аввал ва визуализатсия асосан аз ҷониби Asma Abdullah Alwadai иҷро шудаанд. Назорат ва ба даст овардани маблағгузорӣ ба зиммаи Emad Sami Jaha буд; ҳар ду муаллиф дар бозбинӣ ва таҳрири мақола саҳм гузоштаанд.

Бархӯрди манфиатҳо

Муаллифон набудани бархӯрди манфиатҳоро изҳор кардаанд.

Хулосаи сабти номувофиқатиҳои дохилии манбаъ

• Дар хулоса гуфта мешавад, ки 948 расм маҷмӯи алоҳидаи hold-out test аст; усули муфассал нишон медиҳад, ки 948 маҷмӯи умумии маълумот ва 143 маҷмӯи санҷишӣ аст.
• Як қисм кросс-валидатсияро дар 805 расм, қисми дигар дар ҳамаи 948 расм тавсиф мекунад.
• Меъмории асосӣ 10 CNN + 6 heuristic баромадро нишон медиҳад, аммо як зерқисм ResNet classifier-ро 16-баромада муайян мекунад.
• Дар қисми функсияи талафот низ навиштани 16 хусусият барои CNN бо меъмории 10+6 мувофиқ нест.
• Матн %91,78 macro accuracy медиҳад, дар ҳоле ки миёнаи Ҷадвали 7 %91,75 ва миёнаи ниҳоии Ҷадвали 8 %87,80 аст.
• F1-и гӯш дар як арзёбӣ 0,07 ва дар дигаре 0,57 аст ва манбаъ механизми тағйиротро кофӣ шарҳ намедиҳад.
• Гарчанде Ҷадвали 9 тағйироти гӯшро ба heuristic refinement нисбат медиҳад, ҳеҷ яке аз шаш қоидаи heuristic ба гӯш дахл надорад.
• Дар матни натиҷаҳо дар як ҷо гуфта мешавад, ки хол “миёна” аст, аммо формула ва миқёси 0–16 ҷамъ шудани хусусиятҳоро нишон медиҳанд.
• Дар кросс-валидатсия ҳамаи хусусиятҳои heuristic F1=1,00 доранд, аммо дар санҷиши мустақили бо мутахассис тамғагузоришуда F1-и пайвасти дасту пой–тана ба 0,4762 мефарояд.

Аз ин рӯ боэътимодтарин хулосаи таҳқиқот ин нест, ки “зеҳни сунъӣ акнун метавонад аз расмҳои кӯдакон арзёбии равониро автоматӣ ва беайб анҷом диҳад”. Хулосаи маҳдудтаре, ки манбаъ дастгирӣ мекунад, чунин аст: якҷо кардани муайянкунии хусусиятҳои визуалии бар пояи ResNet бо қоидаҳои ошкори геометрӣ метавонад барои 16 хусусияти муайяншудаи расми DAP низоми прототипии автоматӣ ва тафсиршавандаи баҳогузорӣ созад. То замоне ки мушкилоти ҷузъиёти хурди анатомӣ, номутавозинии синфҳо, номувофиқатиҳои протоколи арзёбӣ ва набудани валидатсияи беруна ҳал нашаванд, умумисозии низом ҳамчун механизми қабули қарорҳои клиникӣ ё равонӣ аз ҷониби манбаъ дастгирӣ намешавад.