في خطوة تكنولوجية رائدة، تمكن الباحثون من تطوير نموذج جديد يُعرف بتفكيك تشريح المرض (DADD)، الذي يعد حلاً مبتكرًا لصعوبة تصوير الأمراض بوظائف متحكم فيها. يواجه تصوير الأمراض ميلًا لمزج الأنماط المرضية مع الميزات التركيبية، وهو ما يؤثر سلبًا على دقة الصور الطبية.

تستهدف هذه التقنية الجديدة التهاب القولون التقرحي (Ulcerative Colitis)، حيث يتطور المرض بشكل مستمر وفقًا لمؤشر مايو للمنظار (Mayo Endoscopic Score). يعالج نموذج DADD هذا التحدي عبر استخدام نموذج تسرب كامن (latent diffusion model) مُشروط على تجسيدين تكميليين: مُشفر الصور المدرب مسبقًا الذي يُعنى بتشريح المريض، وتجسيد ترتيبي مُدرّب بشكل منفصل يعكس شدة المرض.

أحد أبرز الابتكارات في هذا النموذج هو "مُنَقِّي الميزات" (Feature Purifier)، الذي يعمل على تحديد وتحجيم القنوات المتعلقة بالمرض من خلال آلية انتباه عابر (cross-attention)، مما يؤدي إلى الحصول على تمثيلات تشريحية نقية. يتم حقن هذه الرموز المنظفة وهدف المرض في شبكة denoising عبر آلية انتباه ثلاثية المسارات (Triple-Pathway Cross-Attention) مع بوابات تعتمد على دقة الصورة.

هذا المعمار يعتمد على تسلسل U-Net، حيث تقوم أعماق الشبكة المختلفة بترميز التركيب العام مقابل التفاصيل المرضية الدقيقة. بالإضافة إلى ذلك، تم إدخال خاصية "توجيه دلتا" (Delta Steering)، التي توفر إشارة اتجاهية تُستخدم في التحكم في انتقالات المرض بشكل صريح دون الحاجة إلى تمريرات إضافية أثناء الاستدلال.

من خلال اختبار النموذج على مجموعة بيانات LIMUC، أثبتت هذه التقنية قدرتها على إنتاج صور عالية الدقة عبر جميع مستويات الشدة، مع تحسين توزيع الفئات وتحقيق أداء أفضل في مهام التصنيف المستقبلية. تتوفر مجموعة البيانات على zenodo.org/records/5827695 ورمز البرمجة على github.com/umutdundar99/progressive-stable-diffusion.