في عالم الذكاء الاصطناعي، تبقى مشاكل الكشف عن الشذوذ واحدة من التحديات الكبرى، خاصةً في الصور المنظمة وفي حالات البيانات القليلة حيث تكون تقنيات التعلم العميق مكلفة أو غير عملية. لذا، جاء الاقتراح المبتكر بتقنية التطابق المتغير، والذي يعد ثورة في كيفية معالجتنا لهذه المشكلة.

تعتمد هذه التقنية على مفهوم التطابق القائم على النماذج، حيث تمثل حالات الشذوذ من خلال عائلة من النسخ المتحولة، مما يمكّن من الكشف عبر الارتباط المعياري المتقاطع في فضاء التحول.

لزيادة فعالية هذه الطريقة، تم تقديم score إحصائي يعتمد على الكثافة مستمد من توزيعات الكثافة المحلية باستخدام تقدير كثافة النواة (KDE). هذا يعزز دقة تمثيل الشذوذ من خلال التركيز على سلوك التوزيع، ما يجعله أكثر فعالية من الأساليب التقليدية المعتمدة على المخططات.

يتميز هذا الاقتراح بدمج الإشارات البنيوية والإحصائية من خلال صياغة استجابة موحدة، مما يمكن من نمذجة التطابق الهندسي والانحراف التوزيعي في آن واحد.

أظهرت التجارب على صور الخلايا البيولوجية أن الطريقة المقترحة تتفوق على المعايير التقليدية وتحقق أداءً تنافسياً مع نموذج ResNet-50 بفضل إعداد خالي تمامًا من التدريب. مما يوفر حلاً فعالًا، وسهل الفهم، وعمليًا لكشف الشذوذ في مجالات الصور المنظمة.