كتب الذكاء الاصطناعيمشاريع الذكاء الاصطناعيمقالات الذكاء الاصطناعيمعجم الذكاء الاصطناعياسئلة واجوبة في الذكاء الاصطناعيأكاديمية الذكاء الاصطناعي للأطفالأكاديمية الذكاء الاصطناعيمدرسة رياضيات الذكاء الاصطناعيمختبر الذكاء الاصطناعيمختبر الخوارزميات المستوحاة من الطبيعةأطلس نماذج الذكاء الاصطناعيموسوعة تطبيقات الذكاء الاصطناعيمستكشف مجموعات البيانات للذكاء الاصطناعياختبارات الذكاء الاصطناعيالفايب كودينغدليل البرمجة بالذكاء الاصطناعيمولّد مشاريع الذكاء الاصطناعيمرصد الذكاء الاصطناعيدليل أدوات الذكاء الاصطناعي البحث والنشر الأكاديميمكتبة البرومبتات الأكاديميةمستودع الرسائل والأطاريح في الذكاء الاصطناعيحاسبة الترقية العلميةأكاديمية الوكلاء الذكيينمختبر أخلاقيات الذكاء الاصطناعي والعدالةساحة ألعاب الذكاء الاصطناعيعبقري الذكاء الاصطناعيمختبر التنبؤ بالسلاسل الزمنيةموسوعة أطر ومكتبات الذكاء الاصطناعيمتحف الذكاء الاصطناعيمختبر الرؤية الحاسوبيةموسوعة شبكات التعلم العميق الحديثةمختبر الشبكات العصبية البيانيةمختبر تحليل الصور الطبيةمختبر معالجة اللغة الطبيعيةمختبر الحوسبة الكمّيةخرائط طريق الذكاء الاصطناعيأكاديمية ماتلاب والذكاء الاصطناعيمصمم الشبكات العصبيةأكاديمية الذكاء الاصطناعي بدون برمجةمختبر الذكاء الاصطناعي الكمّي

زيادة بيانات MRI وأخذ الرقع بـ TorchIO

متوسطتحليل الصور الطبيةتصوير طبي

الهدف: تطبيق تشوهات واقعية واستخراج رقع للتدريب.

Python — example.py
import torch, torchio as tio

torch.manual_seed(0)
subject = tio.Subject(mri=tio.ScalarImage(tensor=torch.rand(1, 64, 64, 48)),
                      seg=tio.LabelMap(tensor=(torch.rand(1, 64, 64, 48) > 0.9).int()))
tf = tio.Compose([tio.RescaleIntensity(out_min_max=(0, 1)), tio.RandomAffine(degrees=10),
                  tio.RandomBiasField(), tio.RandomNoise(std=0.02)])
aug = tf(subject)
print("التحويلات المطبقة:", [t.name for t in aug.history])
sampler = tio.data.UniformSampler(patch_size=32)
patches = list(sampler(aug, num_patches=3))
print("عدد الرقع:", len(patches), "| شكل الرقعة:", tuple(patches[0]["mri"].data.shape))

شرح الكود

Subject يجمع الصورة والقناع، وتطبق التحويلات المكانية عليهما معاً. RandomBiasField يحاكي عدم تجانس الحقل المغناطيسي في MRI. ثم يأخذ UniformSampler رقعاً ثابتة الحجم للتدريب على ذاكرة محدودة.

المتطلبات

Shell
pip install torchio torch

طريقة التشغيل

احفظ الكود في ملف example.py ثم شغّله:

Shell
python example.py

المخرجات المسجلة عند الاختبار

التحويلات المطبقة: ['RescaleIntensity', 'Affine', 'BiasField', 'Noise']
عدد الرقع: 3 | شكل الرقعة: (1, 32, 32, 32)

نُفّذ هذا المثال فعلياً واختُبر بتاريخ 21 نوفمبر 2026 على CPU — torchio 1.2.1, torch 2.15.0, python 3.13.18

المكتبات المستخدمة

أمثلة قريبة

متقدمITKنُفّذ واختُبر

مرشح مقدار التدرج في ITK

تطبيق مرشح من ITK على صورة ثلاثية الأبعاد بواجهته الوظيفية في Python.

تحليل الصور الطبية · تصوير طبي