בעולם שבו מחלות המועברות על ידי יתושים כמו זיקה ודנגי מהוות איום גלובלי, סיווג דקירות נוירונליות ידני דורש מאמץ עצום. חוקרים מציגים את SSI-GAN, רשת GAN חצי-מפוקחת בהשראת Swin, שמפחיתה את הצורך בתיוג נתונים ב-97-99%. הרשת משלבת גנרטור מבוסס טרנספורמר ומפלה חלונאית מוסטת, ומשיגה דיוק גבוה בשלבים מוקדמים של זיהום.
SSI-GAN אומנה על 15 מיליון דגימות דקירות מיתושים שנדבקו בזיקה, דנגי או לא נדבקו, שנאספו בחמישה זמנים לאחר ההדבקה. עם 1-3% נתונים מתויגים בלבד, הרשת השיגה דיוק של 99.93% ביום השלישי להדבקה. שימוש באופטימיזציה באייתית עם Optuna והערכה בחמשת קפלי וולידציה צולבת מונטה קרלו אישרו את היציבות.
המפלה מבוססת טרנספורמר חלונאי לומדת מאפייני תדר גבוהים נדירים, ומאפשרת סיווג אוטומטי של אותות נוירונליים ללא עיבוד כבד מראש. זהו שיפור משמעותי על פני פתרונות למידה עמוקה מסורתיים הדורשים תיוג מלא, ומקל על שימוש בשטח.
לעומת מתחרים, SSI-GAN מנצחת בפער רחב ומגדירה רף חדש בסיווג זיהומים נוירונליים מבוסס דקירות. הפיתוח רלוונטי במיוחד למחקר ביולוגי ומעקב אחר התפרצויות מגיפות, שכן הוא חוסך זמן וכסף בהכשרת מודלים.
עבור מנהלי עסקים בתחום הבריאות והביוטק, SSI-GAN מדגימה כיצד למידה חצי-מפוקחת יכולה להאיץ פיתוח כלים אבחנתיים. השיטה פותחת דלתות ליישומים רחבים יותר בזיהוי מחלות ויראליות – האם נראה אותה בקרוב במערכות שטח?