في عالم التصوير الطبي، يتزايد الاعتماد على نماذج الانحراف التوليدية (Generative Diffusion Models) لتعزيز البيانات. لكن، ما يمنع الكثير من الأطباء من الاستفادة القصوى من هذه النماذج هو عدم قدرتها على إنتاج بيانات تدريب سببية عبر التحفيز النصي (Text Prompting). هنا يظهر الابتكار الجديد: بوليب ستير (PolypSteer).

بوليب ستير يمثل إطارًا قوياً يعتمد على سلك التنشيط دون الحاجة إلى تدريب أولي. يعمل على تحديد متجهات الإمراض لكل زوج من التحفيزات المميزة ضمن طبقات الانتباه المتباين في نموذج الانحراف التوليدي. هذا يعني أنه عند إجراء الاستدلال، يتم توجيه تفاعلات الصورة على هذا المتجه، مما يخلق أزواجًا غير مسبوقة تختلف فقط في مفهوم معين، مع الحفاظ على جميع البنى الأخرى.

أظهرت التجارب على مجموعات بيانات كفاسير (Kvasir) وهايبر كفاسير (HyperKvasir) أن بوليب ستير يتجاوز أفضل الأساليب التقليدية. فلقد حقق نسب تحويل مثيرة للإعجاب تصل إلى 0.800، 0.925، و0.950 في التوليد غير المسبب، مع الحفاظ على الهيكل. كما أظهر نجاحًا كبيرًا في إزالة الأصباغ، حيث حقق 75% مقارنةً بالطرق التقليدية التي تحقق 20% و10%.

ومع تعزيز اكتشاف الورم باستخدام أزواج بوليب ستير، تأكدنا من أن الهيكل غير المسبب هو الذي يقود التحسينات، حيث سجلت تقنية الكشف عن الأورام الجديدة معدل AUC يصل إلى 0.9755.

انضموا إلينا وتأملوا في مستقبل التصوير الطبي مع التقنيات الحديثة. هل أنتم مستعدون لرؤية كيف يمكن أن تغيّر هذه الابتكارات مجرى التشخيص الطبي؟