في عالم الرعاية الصحية، تعتبر التقنيات المتقدمة لتصوير الموجات فوق الصوتية أساسية لتحسين دقة التشخيص والعلاج. رغم ذلك، فإن عملية تقسيم فيديو الموجات فوق الصوتية تظل تحديًا كبيرًا بسبب الضوضاء النقطية، والحدود الضعيفة، والتحولات السريعة في الشكل التشريحي.

مؤخراً، خرجت ابتكارات جديدة إلى الساحة، مثل نماذج الأساس التي تعتمد على النقاط (promptable foundation models)، والتي تتيح تقسيمًا موجهًا بواسطة نقطة واحدة. لكن، تبقى هذه الحلول غير موثوقة في مجال الموجات فوق الصوتية، حيث تفتقر النقطة الواحدة إلى سياق مكاني كافٍ لحل الغموض في المقاييس، مما يؤدي إلى أخطاء كبيرة في التنبؤ مع الزمن.

هنا تأتي أهمية EchoPilot، الذي يمثل إطار عمل خاليًا من التدريب لتقسيم الفيديو الخاص بالموجات فوق الصوتية من خلال تفاعل محدود مع الإطار الأول، حيث يحتاج المستخدم فقط إلى نقرة واحدة وإلى تحديد فئة تشريحية. يعتمد EchoPilot على نموذج لغة الرؤية الطبية (Medical Vision-Language Model) المجمد لتحديد المواقع الدلالية، ونموذج أساس للرؤية (Vision Foundation Model) لاستخراج الميزات الهندسية الكثيفة، ومقسم فيديو قابل للتوجيه (Promptable Video Segmentor) لتوقع الأقنعة ونشرها.

ولحل الغموض في التهيئة، تمت صياغة تقنية "تحفيز الدلالات عبر مقياس الفضاء" (Scale-Space Semantic Prompting) التي تختار أولاً العرض الأمثل للسياق عبر معيار S.E.E.D. (Semantic Energy-Entropy Density) دون الحاجة لأي تفاعل إضافي من المستخدم، ثم تولد نقاط تحفيز مساعدة دقيقة هندسيًا من الميزات الأساسية الكثيفة.

للتقليل من انحراف الانتشار، تمت إضافة تحديث لذاكرة موجهة على أساس الموثوقية (Reliability-Gated Memory) الذي يقوم بتجميد ذاكرة المقسم بشكل انتقائي تحت التنبؤات غير المؤكدة، وهو ما يمنع تراكم الأخطاء. كما أن EchoPilot يقدم أول مجموعة بيانات لتقسيم فيديو الموجات فوق الصوتية لل placenta (المشيمة) تظهر الديناميكية، مع 671 إطارًا موصوفًا.

بفضل هذه الابتكارات، يحقق EchoPilot أداءً رائدًا تحت ظروف التفاعل المحدود، متفوقًا باستمرار على الأطر التقليدية والأخصائيين المصقلين، مما يمهد الطريق لمستقبل أكثر دقة في التصوير الطبي.