في عصر التكنولوجيا المتطورة، يظهر الذكاء الاصطناعي (AI) كأداة فعالة لتحسين نتائج التصوير الطبي. أحدث الأبحاث في مجال التصوير الطبي 4D (3D + الزمن) واجهت تحديات كبيرة تتمثل في نقص البيانات المعلّمة، وتغيرات الخصائص بين الأجهزة، بالإضافة إلى القيود المتعلقة بالخصوصية.

لتجاوز هذه الصعوبات، تم اقتراح إطار عمل توليدي 4D يمكن التحكم فيه، وهو يعتمد على تقنيات متقدمة لزيادة البيانات بطريقة تضمن الانسجام مع التشريح. يتضمن النظام جهازًا شبه مشرف يعتمد على "الترميز التلقائي المتغير" (Variational Autoencoder) الذي يتعلم تمثيلًا مضغوطًا لحجم الأنسجة المتنوعة أثناء توقع أقنعة التقسيم المتناسقة.

كما تم فصل الهيكل التشريحي عن الديناميكيات الزمنية من خلال نموذج انسيابي من "التفريق اللاتيني" (Latent Diffusion Model). نموذج ثابت يقوم بتوليد بنية تشريحية خاصة تعتمد على المعطيات السريرية، بينما يقوم نموذج الحركة بتقدير الحركات المتبقية، مما يضمن تواصل زمني صارم عبر التسلسل 4D.

تم تقييم النهج المقترح باستخدام صورة "Cine Cardiac MRI" كتطبيق يمثل التصوير 4D. أظهرت التجارب عبر عدة مجموعات بيانات تحكم مرتفع في البنية التشريحية الثابتة ودقة زمنية قوية. على سبيل المثال، تم تحسين درجات "Dice" بمعدل 1.4% عند استخدام استراتيجية زيادة البيانات، مما يشير إلى نتائج مثيرة في الأداء مقارنة بتدريب النماذج على البيانات الحقيقية فقط.

يساعد هذا الإطار في تطوير نماذج أكثر قوة في التصوير الطبي مع بيانات محدودة وتباينات بين الموردين، مما يفتح آفاقًا جديدة في هذا المجال.

للمزيد من التفاصيل، يمكن الاطلاع على الكود المتاح عبر هذا الرابط: كود المشروع.