في عالم الطب الحديث، يعتبر التصوير بالرنين المغناطيسي (MRI) أداة حيوية لتقييم الأورام العصبية بدقة، حيث يقدم كل تباين معلومات تشريحية ومرضية مكملة. إلا أن الحصول على جميع التباينات مثل T1c وT1n وT2w وT2f لكل مريض قد يكون غير عملي بسبب طول مدة الفحص، التكاليف العالية، وعدم ارتياح المرضى. في هذا السياق، يبرز الابتكار الجديد المعروف بشبكة GAN التوليدية متعددة التباينات ذات التركيز الذاتي ثلاثي الأبعاد (3D-MC-SAGAN).

تعمل 3D-MC-SAGAN كنموذج موحد لتوليد الصور، حيث يمكنها إنشاء تباينات فائقة الجودة من مدخل واحد فقط، مثل T2w، مع الحفاظ على خصائص الأورام بدقة. يعتمد هذا النموذج على مولد يحتوي على مشفر ومفكك ثلاثي الأبعاد متعدد المقاييس مع اتصالات متبقية، بالإضافة إلى كتلة جديدة تسمى Memory-Bounded Hybrid Attention (MBHA) لالتقاط الاعتماديات بعيدة المدى بكفاءة.

تم تدريب النموذج باستخدام ناقد WGAN-GP ورأس تصنيف إضافي، مما يمكنه من إنتاج أحجام T2f وT1n وT1c ضمن شبكة موحدة. للمحافظة على دقة التركيب التشريحي والسريري، تم دمج شبكة تقسيم ثلاثية الأبعاد تعتمد على U-Net، والتي تفرض قيد تناسق الأورام خلال عملية التدريب.

لضمان واقعية للغاية ودقة هيكلية، تم دمج هدف مركب يجمع بين الخسائر المعتمدة على المنافسة، وإعادة البناء، والتصور، والتشابه الهيكلي، وتصنيف التباين، والتوجيه في التقسيم. أثبتت التجارب الواسعة التي أُجريت على مجموعات بيانات تصوير الدماغ ثلاثي الأبعاد أن 3D-MC-SAGAN تحقق أداءً ممتازًا، حيث تنتج تباينات متماسكة بصريًا وتبدو تشريحية مع تحسين واقعية التوزيع.

الأهم من ذلك، أن الأسلوب المقترح يحافظ على دقة تقسيم الأورام بمستوى مقارنة مع البيانات المجمعة بالكامل، مما يُبرز إمكانيته في تقليل عبء الحصول على الصور مع الحفاظ على معلومات سريرية ذات مغزى.