يشهد مجال الصور الطبية تقدماً ملحوظاً مع التقنية الحديثة المعروفة بإطار التعلم القائم على التسجيل H2AL، والذي يهدف إلى معالجة تحديات تقسيم الصور الطبية التي تعاني من عدم وجود تسميات. التقليدية، كانت الطرق الحالية تعتمد بشكل كبير على تحسين دقة البكسل والتعامل مع بيانات مسطحة، مما أدى إلى تراجع جودة التسميات الناتجة.

في إطار H2AL، تم اقتراح نهج مبتكر يضمن تجاوز تلك القيود من خلال استخدام التعلم الهرمي المستند إلى الفضاء القرصي. هذه التقنية لا تساعد فقط في تحسين واقعية التغيير الذي يتم على الصور، بل تعزز أيضاً قدرة التمييز بين المناطق الغامضة، مما يؤثر بشدة على أداء التقسيم.

يتضمن H2AL وحدة Infusion الهرمية (H2I)، وهي تقنية تستفيد من النمذجة الهرمية للفضاء القرصي لتعلم تمثيلات دقيقة تدرك الهيكل الهرمي من خلال تعلم متباين موجه ويعزز الوصول إلى المساحة الإقليدية عبر كتلة تضخيم محكومة، بينما يحتفظ بغنى المعنى.

علاوةً على ذلك، عمل الباحثون على تطوير خوارزمية تحسين مشتركة من خلال تجميع التدرجات، حيث يتعاون عنصر التسجيل وموصل التقسيم لتحديث الم encoder المشترك، محققاً تعلمًا تعاونيًا فعّالًا للمهام.

تظهر تجارب مكثفة أجريت على منطقتين تشريحتين، مع خمس إعدادات تجريبية، فعالية وكفاءة هذه الطريقة الجديدة في تحسين التسجيل والتقسيم بوضوح. الروابط المتاحة للجمهور تشير إلى كود الإطار الجديد على GitHub، مما يتيح للباحثين والمهتمين استكشاف هذه التقنية الفريدة بأنفسهم.