في عالم الطب الحديث، يعتمد الكثير من مهام التصوير بالأشعة فوق الصوتية على مناطق محددة من الجسم، مما يجعل بعض المعايير العالمية غير موثوقة تمامًا عند تقييم الجودة السريرية. لذا، تم تقديم إطار تعلم تمثيلي جديد يركز على المنطقة الحيوية (ROI-aware) لتصوير الأجنّة عند فحص الشفافية القفوية في الأشهر الثلاثة الأولى، مع الأخذ في الاعتبار اختلافات البيانات بين المستشفيات.
كيف تعمل هذه التقنية؟
تعتمد فكرة البحث الجديد على استخدام **محول ذاتي التشفير (Convolutional Autoencoder)** على مرحلتين. المرحلة الأولى تتعلم الكود اللاتيني (latent code) الذي يمثل الصورة بشكل شامل بدقة 128 بعد باستخدام مقياس MS-SSIM، بينما تقوم المرحلة الثانية بتحسين منطقة المُعالجة الحيوية باستخدام قيود شدة الصورة (L1) وحواف سوبيل المُعينة.
نتائج مثيرة!
عبر تقييم دقيق يعود إلى مستشفيات متعددة، استطعنا أن نحقق نتائج مذهلة.
- **زيادة في PSNR** بمعدل +0.27 ديسيبل (val) و +0.29 ديسيبل (اختبار محجوز).
- **تقليص في خطأ متوسط الماطة ROI** بمعدل 8.87% (val) و 6.43% (اختبار محجوز).
- **تخفيض خطأ حواف الماطة** بمعدل 11.10% في المستشفيات السائدة و4.90% في المستشفيات الجديدة.
تعد خصائص هذه التقنية مرنة!
الأكثر من ذلك، تُظهر الأدلة أن مبدأ تحسين ROI يمكن اعتماده أيضًا في مجالات طبية أخرى حيث تلعب المساحات الصغيرة دورًا حيويًا. يمكن استخدامه لأهداف قياس أخرى مثل **طول الرأس إلى الذيل (CRL)** أو **عظم الأنف (NB)**، مما يدل على إمكانيات كبيرة في مجال التصوير الطبي.
في الختام، هل تعتقد أن التقنيات الذكية ستحول حقًا من تجاربنا في الفحوصات الطبية؟