في مجال التصوير الطبي، يظهر الذكاء الاصطناعي كأداة حيوية تدعم التطورات التكنولوجية في الحصول على معلومات دقيقة وسريعة. وقد كشفت دراسة جديدة عن إطار عمل رائد يسمى ANAUS، والذي يركز على التعلم الذاتي المرتكز على التشريح لتحسين تمثيلات الصور بالموجات فوق الصوتية (Ultrasound).

تعتبر أساليب التعلم الذاتي التقليدية المستخدمة في التصوير بالموجات فوق الصوتية فعالة على مستوى الصورة أو الإطار، لكنها لا تأخذ في الاعتبار السياق التشريحي الضروري للحصول على تمثيلات دقيقة تلبي احتياجات المعالجة السريرية. لذلك، يهدف فريق البحث من خلال هذا العمل إلى تغيير هذه المعادلة.

من خلال استغلال محرك مسبق التعلم القابل للتعديل وانطباق مفرد للصور المتاحة مع الأقنعة، تم دعم الوحدة LP-SAM (محرر الأنواع الوصفية) لتحقيق تحديد التشريح بدون الحاجة إلى التوثيق، مما يمهد الطريق لمستويات أعلى من الدقة والإنتاجية.

كما يكتسب إطار العمل الجديد الزخم من خلال نموذج تعلم موجه مزدوج يعتمد على سياسات مختلفة، حيث يقوم بتعزيز الفهم التام للسمات الهيكلية والتفاصيل الدقيقة خلال عملية التنبؤ بالمناطق الأساسية. ومن خلال تطبيق هذه الأساليب، يتم تشجيع النموذج على إعادة بناء المناطق المفقودة بدقة، مما يسهم في التقاط التفاصيل البصرية الرائعة.

أظهرت الاختبارات الفعالية الملحوظة لنموذج ANAUS، حيث تجاوز أداءه الطرق الحالية الرائدة واحتفظ بكفاءة حسابية ضرورية لنشره في العيادات. يقدم هذا الابتكار وعدًا كبيرًا لتحسين التوجهات المستقبلية في المجال الطبي، مما يعزز من قدرة المختصين على اتخاذ قرارات سريرية أفضل بناءً على المعلومات المتاحة.