تواجه تقنية التصوير بالرنين المغناطيسي (MRI) تحديات كثيرة تتعلق بتباين الصور الناتجة بسبب اختلافات في إعدادات الفحص، أو الأجهزة المستخدمة، مما قد يؤثر سلباً على دقة التحليل. تعرف هذه المشاكل باسم "الانحرافات النطاقية"، والتي تعيق تطبيقات التعلم العميق (Deep Learning) المدربة على بيانات معينة.

تعتبر تحسين صور MRI (MRI Image Harmonization) الهدف الرئيسي لمواجهة هذه التحديات، حيث يهدف إلى محاذاة صور النطاق المصدر مع صور النطاق الهدف؛ مع الحفاظ على المعلومات الحيوية كالهياكل التشريحية.

لكن الغالبية العظمى من الطرق الحالية تتطلب الوصول إلى بيانات كل من النطاق المصدر والهدف. وهذا الأمر يثير تساؤلات حول خصوصية المرضى ويحد من إمكانية تطبيق هذه الطرق في البيئات السريرية.

لذلك، نقدم لكم تقنية TgtFreeHarmony، الإطار الذي تم تصميمه خصيصًا للسيناريوهات التي لا تتطلب بيانات الهدف، مما يلغي الحاجة إلى تبادل البيانات بين المؤسسات. وهذه هي الميزة الرئيسية التي تعزز الخصوصية.

تعتمد التقنية الجديدة على تقدير نمط النطاق الهدف من خلال البحث في فضاء أنماط بيانات MRI باستخدام مولد مبني على الفك اللامتداخل، يستفيد من تحسين بايزي وموجه بأداء نموذج مهام downstream، وهو نموذج تم تدريبه ببيانات من النطاق الهدف.

لقد تم تقييم هذه الطريقة في مهام تقسيم أنسجة الدماغ عبر عدة معاهد، وأظهرت قدرتها الفعالة على تحسين الصور المصدر وتحويلها إلى صور هدف، مما أدّى إلى تحسين الأداء في المهام اللاحقة.

تقام TgtFreeHarmony بفتح آفاق جديدة في مجال تحسين الصور الطبية، مما يجعلها قابلة للتطبيق في البيئات السريرية مع الحفاظ على خصوصية البيانات.