في عالم الذكاء الاصطناعي والتعلم العميق، يمثل التحكم في التوليد المدعوم بمعرفة خارجية أحد المتطلبات الأساسية في التطبيقات الحديثة، خاصة في مجال توليد الصور. وفي هذا الصدد، يعد توليد الأشعة المقطعية ثلاثية الأبعاد (3D CT) من المجالات الأكثر أهمية نظرًا لتطبيقاته السريرية المتعددة.

تسليط الضوء على أهمية التحكم الدقيق في توليد صور الأشعة المقطعية ثلاثية الأبعاد، يكمن في القدرة على تكييف البيانات لتلبية معايير محددة تتعلق بالمحتوى الدلالي (semantic content) والخصائص الهيكلية (structural properties). ويصبح هذا ضروريًا بشكل خاص خلال عمليات تعزيز البيانات (data augmentation) ومشاركة البيانات مع الحفاظ على الخصوصية.

مع توسع الأبحاث في توليد الأشعة المقطعية الثلاثية الأبعاد، أصبح من الصعب إجراء مقارنات منهجية نظرًا لتنوع الطرق المتاحة. لحل هذه المشكلة، تم اقتراح تصنيف يعتمد على المعرفة يركز على ثلاثة أبعاد رئيسية: نوع المعرفة الخارجية (Knowledge، K)؛ نمط دمج المعرفة (Integration Paradigm، I)؛ وهندسة التوليد (Generative Architecture، A).

يوفر هذا التصنيف مساحة تصميم واضحة (K x I x A) تساهم في فهم شامل للأبحاث السابقة. من خلال هذا الإطار، يتم هيكلة الطرق الحالية، وتحديد الاتجاهات السائدة، وتوضيح الأنماط المتكررة في التصميم، بالإضافة إلى تسليط الضوء على المناطق التي تحتاج إلى المزيد من الاستكشاف والتي قد تشير إلى اتجاهات واعدة للأبحاث المستقبلية.

تعد هذه النظرة المنهجية المكثفة خطوة رئيسية نحو تحسين التقنيات المستخدمة في توليد الأشعة المقطعية ثلاثية الأبعاد، حيث تفتح آفاق جديدة للتطبيقات السريرية وتعزز من جودة البيانات المستخدمة.