في عالم تحليل الصور الطبية، تمثل الميزات النصية (Radiomic Texture Features) أداة لفهم البيانات بصورة أعمق. ومع ذلك، كانت الأساليب التقليدية تعتمد في مقاربتها على افتراضات عن العلاقات المكانية، مما قد يؤدي إلى تداخلات تتسبب في نتائج غير دقيقة. لكن، مع التطور الأخير في هذا المجال، تم تقديم إطار عمل ثوري الجديد يراعي الفضاءات بين الفوكلي (Voxel-Spacing-Aware Radiomics).

في هذا الإطار، تم تعديل مكتبة PyRadiomics الشهيرة لاستيعاب الفضاءات بين الفوكلي دون تغيير إشارة الصورة الأصلية. تمت مقارنة أربع تكوينات: الاستخراج غير المعاد تجميعه (NR)، وإعادة التجميع الأيزوتروبي (RS)، والاستخراج القائم على الفضاءات بين الفوكلي (VS)، والمعالجة المسبقة الأيزوتروبية الزائفة (FK)، التي تم فيها الكتابة فوق بيانات الفضاء دون تغيير مصفوفة الصورة.

تضمن التجارب 685 من العقيدات الرئوية من مجموعة LIDC-IDRI و209 حالات تصوير بالرنين المغناطيسي للثدي من مجموعة I-SPY2، مع استخدام 196 واصفاً للميزات. تم تقييم موثوقية النتائج باستخدام معايير متعددة مثل ICC، وتنوع البيانات، واختبارات Friedman.

النتائج الرئيسية أظهرت أن إطار العمل القائم على الفضاءات بين الفوكلي (VS) أعطى توافقية قريبة جداً مع الاستخراج غير المعاد تجميعه (NR)، حيث كان متوسط ICC(A,1) 0.9976 في صور الأشعة المقطعية و0.9984 في الرنين المغناطيسي. أظهرت طريقة إعادة التجميع الأيزوتروبي (RS) توافقاً أقل وتباينات أكبر، بينما قدمت الطريقة الزائفة (FK) نتائج متوسطة، مما يدل على تأثير بيانات الفضاء وحدها على الميزات النصية.

باختصار، تمثل الأساليب الجديدة إضافة حيوية لعلم تحليل الصور، إذ يمكن أن تفصل بين نمذجة الأشكال والتعديلات الإشارية الناجمة عن إعادة التجميع، مما يوفر بديلاً متماسكاً للتحليل الدقيق لبيانات الأشعة المقطعية والرنين المغناطيسي المصممة خصيصاً.