أصبح التصوير بالرنين المغناطيسي القلبي (CMR) أحد المعايير الأساسية لتقييم شكل القلب ووظائفه دون الحاجة لعمليات جراحية. ومع ذلك، فإن تفسير هذه الصور يعتمد تقليديًا على التحليل المرئي والقياسات الكمية المعقدة مثل حجم البطين والكسر القذفي وكتلة عضلة القلب.

في سعيه لتحسين هذه العملية، تم تقديم نموذج CineMR، الذي يجمع بين الرؤية واللغة في عالم الذكاء الاصطناعي. يعمل هذا النموذج على تيسير استخراج القياسات الكمية من الصور عدة الأبعاد من خلال دمج أدوات تحليل الصور ضمن تفكيره.

تم بناء نموذج CineMR ليعتمد على تقنيات متطورة، مثل التعلم الموجه (Supervised Fine-Tuning) وطرق تحسين السياسات النسبية (Group Relative Policy Optimization)، مما أدى إلى تحقيق نتائج مذهلة. على سبيل المثال، أظهرت النتائج أداءً ممتازًا مع نسبة نجاح تصل إلى 35.9% في تقييم مجموعة بيانات CMR متعددة العينات، مقارنةً بنسب الأداء الضعيف للنماذج الحالية مثل Qwen3-VL-8B وLLaVA-Med v1.5.

يظهر CineMR كأداة واعدة في تقييم صور القلب، حيث تدعم النتائج أهمية استخدام أدوات موثوقة لتحسين الدقة الكمية في التحليلات القلبية. يمكن للباحثين الوصول إلى التعليمات البرمجية ومصادر المعايير المتعلقة بـ CineMR من خلال رابط المشروع.

هل تعتقد أن نماذج مثل CineMR ستغير طريقة تقييم القلب؟ شاركونا آراءكم!