في عالم العلوم المتقدمة، يسعى الباحثون دائمًا للبحث عن أساليب جديدة لتحسين النتائج وتقليل عدم اليقين في التصوير الطبي. أحدثت تقنية PEEL (Physics-Enabled Evidential Learning) طفرة في هذا المجال، حيث تقدم حلاً مبتكرًا لتحديات عدم اليقين في تصوير الأشعة المقطعية (CT Imaging).

تعتمد هذه التقنية على أسلوب الانحدار الطبيعي العكسي (Normal-inverse-gamma) الذي كان يواجه صعوبة في تحديد الهوية بشكل فريد. أما الآن، فقد قام الباحثون باستخدام قياسات فيزيائية مستقلة لتحديد هذه الهوية. في البداية، تتلقى شبكة إعادة البناء صورة مشوشة وتم تدريبها فقط باستخدام السجل السالب لتوزيع Student-t لتقدير ثلاثة معلمات أساسية (gamma, alpha, c).

بعد تجميد الشبكة، يتم استخدام عمليات محاكاة مختلفة لتوليد إعدادات من الضوضاء الفيزيائية لتشكيل تسميات معلم تمثل التباين العشوائي في نطاق المخرجات. أدى ذلك إلى تطوير رأس عشوائي يتعلم هذه التسميات، فيما يعاد استرجاع المعاملات (beta, nu) بطريقة جبرية.

عند اختبار هذه التقنية على 30 كائنًا محاكىً عند خمسة مستويات من الفوتونات، حققت التوقعات أحادية الصورة ارتباطات من 0.832-0.951 مقارنةً بالمرجع المستقل مع تكرار يصل إلى 400 مرة، مما يدل على فاعلية ملحوظة في النتائج. بل وأكثر من ذلك، وجد أن 98.81-99.55% من البكسلات التي تم تقييمها توفر حالة القبول الجبري.

تقدم تقنية PEEL نهجًا يحتاج إلى تعزيزات أقل، مما يجعلها تفتح آفاقًا جديدة في تحسين التصوير الطبي وتقنيات التعلم.