اكتشاف جديد في تصوير الطب ثلاثي الأبعاد: CDGC-Net يحدث انقلابًا في دقة التقسيم!

تشكل دقة تقسيم الصور الطبية ثلاثية الأبعاد تحديًا كبيرًا نظرًا لحاجة النموذج إلى دمج تفاصيل علم التشريح البعيدة مع التفاصيل الدقيقة للحواف. بينما تعتمد الأساليب التقليدية غالبًا على نمذجة السمات العالمية والمحلية في وحدات أو مستويات مختلفة، فإن طريقة CDGC-Net الجديدة تأتي لتغيير هذا المنظور.

يستفيد CDGC-Net من تقنيات متقدمة مثل 'التنبه الذاتي المتعاون متعدد المقاييس (Cooperative Dual-Scale Self-Attention)'، الذي يقسم التنبه إلى فرعين: فرع محلي يتعامل مع التفاصيل الدقيقة وآخر عالمي لتحليل السياقات الطويلة. يتم دمج مخرجات كلا الفرعين في تمثيل مكاني يمر مباشرة إلى 'تنبه القنوات الهرمي المجموع (Grouped Hierarchical Channel Attention)'، مما يعزز من فعالية تبادل المعلومات بين القنوات لخلق دقة أعلى في التقسيم.

إلى جانب هذه الابتكارات، يعمل CDGC-Net بمعدل 25.83 مليون معلمة و28.62G FLOPs عند حجم الإدخال $64\times128\times128$، وهو ما يمثل انخفاضًا كبيرًا بنسبة 39.87% و40.30% مقارنةً بطراز UNETR++.

كما أظهرت النتائج على مجموعات بيانات Synapse وACDC وBraTS وLA أن CDGC-Net حقق قيم DSC متوسطة على التوالي (86.96%، 92.91%، 82.56%، و93.52%)، متفوقًا على أعلى القيم المسجلة مسبقًا.

هذه النتائج توضح التوازن المثالي بين دقة التقسيم وتعقيد الحسابات، مما يبشر ببزوغ عصر جديد في معالجة الصور الطبية ثلاثية الأبعاد.