في عصر تتزايد فيه استخدامات الذكاء الاصطناعي (AI) في مجالات الطب، يعد تحسين جودة الصور أحد التحديات البارزة. حيث يعتبر التصوير بالرنين المغناطيسي (MRI) تقنية حيوية ولكن الحصول على صور متعددة الأبعاد قد يكون معقداً ويحتاج إلى موارد كثيرة. للتغلب على هذا التحدي، قدم فريق من الباحثين نموذجاً مبتكراً يسمى Probabilistic Brownian Bridge Diffusion Model (Prob-BBDM).

هذا النموذج يعتمد على تقنيات نموذج الانتشار (Diffusion Models) لتعزيز جودة الصور الناتجة. ومن خلال الدمج بين آلية الانتشار المدفوعة بالترميز التبايني (Variational Encoder), استطاع الباحثون تحقيق أداء ممتاز في معالجة الصور، حيث حقق النموذج نسبة 88.46% في مؤشر التشابه الهيكلي (SSIM) و 26.09 dB في نسبة الإشارة إلى الضوضاء (PSNR)، مع تحسن ملحوظ على النماذج السابقة.

تجارب النموذج، التي أجريت على مجموعة بيانات BraTS 2021، أظهرت أن عملية الانتشار تتطلب فقط 4 خطوات، مما يجعلها فعالة من حيث الحسابات والأداء. لتأكيد فعالية النموذج، اختبرنا فعاليته على مجموعة بيانات خارجية، وكان الأداء ثابتاً عبر مختلف المجالات.

عند استخدام الشرائح المُركبة كنماذج لتدريب نموذج تقسيم مسبق، حصلنا على نتيجة Dice بلغت 88.71% و HD95 قدره 3.49 مم، مما يثبت أن الشرائح المُركبة تحتفظ بمعلومات تشخيصية هامة.

توضح هذه النتائج أن نموذج Prob-BBDM يمثل خطوة واعدة نحو تحسين تصوير الرنين المغناطيسي بشكل فعّال وعام، مما يمثل إنجازاً كبيراً في مجال ترجمة الصور الطبية.