في عصر تتقدم فيه التكنولوجيا بشكل سريع، يبقى توليد الصور الطبية ثلاثية الأبعاد (3D) من التحديات الكبرى. فعلى الرغم من أن النماذج الكاملة الحجم (volumetric models) توفر تفاصيل دقيقة، إلا أن تكلفتها العالية تجعل استخدامها محدودًا. من ناحية أخرى، يمكن لمولدات الشرائح ثنائية الأبعاد (2D slice generators) أن تكون فعالة، لكنها تعاني من فشل في الحفاظ على التناسق التشريحي عبر الأبعاد.

هنا تبرز أهمية الإطار الجديد **LiFT**، الذي يرمز إلى 'Lifted inter-slice Feature Trajectories'. يقدم LiFT طريقة جديدة لتوليد الصور حيث يقوم بتفكيك عملية توليد الحجم الثلاثي الأبعاد إلى مراحل الصور الفردية وإدارة المسارات بين الشرائح.

بدلًا من معالجة توزيع الحجم بطريقة شاملة، يقوم LiFT بمعالجة كل حجم كمسار منظم في فضاء الميزات (feature space)، مما يتيح له التقاط كيف تظهر الهياكل التشريحية وتتحول وتختفي على طول العمق. يتم استخدام تقنية جديدة تسمى **tri-planar drifting loss** لمزامنة المسارات الناتجة للشرائح مع تلك الخاصة بالصور الحقيقية، مما يعزز التعلم التوزيعي عبر التطورات بين الشرائح.

عند تقييم LiFT على ثلاث مجموعات بيانات رئيسية، بما في ذلك **BraTS 2023** و**SynthRAD2023**، أظهرت النتائج أن LiFT يحافظ على جودة الشرائح ويحسن من الاتساق عبر المستوى. الأمر المثير أن LiFT يحقق جودة إعادة بناء الصور المفقودة لمستويات تصل إلى 135 ضعفًا أقل في التكلفة، دون أي اختبارات تعادل رسمية.

باختصار، يثبت LiFT أنه باعتماد تقنيات وزنها خفيف لإدارة المسارات بين الشرائح، يمكن تحقيق توليد دقيق وعالي الدقة للصور الطبية الثلاثية الأبعاد، مما يمثل نقلة نوعية في هذا المجال.