المعماريات المُعتمدة

تعرض هذه الصفحة فقط معماريات LBMNet التي تم تنفيذها عمليًا، أو تقييمها تجريبيًا، أو توثيقها رسميًا ضمن أعمالنا البحثية.
يرافق كل معمارية مدرجة وصفٌ لتطبيقها، وتكوين الشبكة (Lattice)، وحالة تنفيذها، ونتائجها التجريبية، والموارد البحثية المتاحة المتعلقة بها.يتم تمييز المعماريات التي لا تزال قيد التطوير بوضوح على أنها تجريبية، ولا تُعرض على أنها نماذج مُعتمدة أو مُثبتة.

1. U-LBMNet: تجزئة الصور الطبية ثلاثية الأبعاد

يُعد U-LBMNet معمارية ثلاثية الأبعاد من نوع المُرمِّز–فك الترميز (Encoder–Decoder) مستوحاة من الفيزياء، ومصممة لتجزئة الصور الطبية الحجمية. واستلهامًا من تصميم الشبكات ذات البنية U ومن طريقة بولتزمان الشبكية (Lattice Boltzmann Method - LBM)، يدمج النموذج معاملات التصادم (Collision) والبث (Streaming) القابلة للتعلّم ضمن إطار هرمي متعدد المقاييس، مما يتيح استخراج البنى التشريحية بدقة عالية من الصور الطبية ثلاثية الأبعاد. يلتقط المُرمِّز تدريجيًا المعلومات السياقية المحلية والعالمية، بينما يعيد فك الترميز بناء خرائط التجزئة عالية الدقة من خلال وصلات التخطي (Skip Connections) التي تحافظ على التفاصيل المكانية الدقيقة.
وعلى خلاف شبكات الالتفاف ثلاثية الأبعاد التقليدية، يدمج U-LBMNet آليات انتشار السمات المعتمدة على الشبكة (Lattice-Based Feature Propagation)، وتحويلات العزوم (Moment Transformations)، وتدفق المعلومات المستوحى من المبادئ الفيزيائية، بهدف تحسين تمثيل السمات وتعزيز الاتساق المكاني طوال عملية التجزئة. ويتيح هذا التصميم للنموذج تعلّم الأنماط التشريحية المعقدة ثلاثية الأبعاد بكفاءة، مع الحفاظ على كفاءة حسابية عالية ومتانة في الأداء.
تُعد هذه المعمارية مناسبةً لمجموعة واسعة من تقنيات التصوير الطبي الحجمي، بما في ذلك التصوير المقطعي المحوسب (CT)، والتصوير بالرنين المغناطيسي (MRI)، والتصوير المقطعي المحوسب بالحزمة المخروطية (CBCT)، والتصوير بالموجات فوق الصوتية ثلاثي الأبعاد. وتشمل تطبيقاتها النموذجية تجزئة الأعضاء، وتحديد حدود الأورام، واكتشاف الآفات، وتجزئة الأوعية الدموية، وتخطيط العلاج الإشعاعي، والتوجيه الجراحي، ومتابعة تطور الأمراض، والتشخيص بمساعدة الحاسوب.صُمِّمت U-LBMNet كإطار عمل مرن يمكن تكييفه مع مختلف مهام تجزئة الصور الطبية السريرية، وذلك من خلال تعديل تكوين الشبكة (Lattice)، وعمق المُرمِّز (Encoder)، وقدرة وحدة فك الترميز (Decoder)، وآليات الانتباه (Attention)، مع الحفاظ على المبادئ الأساسية التي تقوم عليها عائلة LBMNet. كما يسهّل تصميمها المعياري دمج مكوّنات متقدمة، مثل معاملات الاسترخاء المتعدد (Multiple-Relaxation-Time - MRT)، ووحدات الانتباه المعتمدة على الشبكة (Lattice Attention Modules)، واستراتيجيات دمج السمات متعددة المقاييس (Multi-Scale Feature Fusion)، مما يعزز أداء النموذج ومرونته في مختلف التطبيقات الطبية.

الفئة الحقيقية (GT): 1 | الفئة المتوقعة: 1 | الاحتمالات [بدون ورم، ورم]: [0.06287، 0.93713] | عدد فوكسلات الورم الحقيقية: 111,724 | عدد فوكسلات الورم المتوقعة: 115,862 | معامل Dice: 0.848 | معامل IoU: 0.736

الفئة الحقيقية (GT): 1 | الفئة المتوقعة: 1 | الاحتمالات [بدون ورم، ورم]: [0.06143، 0.93857] | عدد فوكسلات الورم الحقيقية: 120,660 | عدد فوكسلات الورم المتوقعة: 116,534 | معامل Dice: 0.938 | معامل IoU: 0.882

المزيد من المعماريات