المعماريات الطبية
Medical Imaging Architectures
U-Net ← Attention U-Net ← TransUNet ← UNETR ← Swin-UNETR ← المعماريات الهجينة.
أهداف المسار
- فهم بنية المشفّر والمفكّك والوصلات الجانبية.
- شرح بوابات الانتباه في Attention U-Net.
- مقارنة المشفّر الالتفافي مع مشفّر المحولات في التجزئة.
- اختيار مقاييس تقييم مناسبة (Dice وIoU وHD95) مع فصل المرضى بين التدريب والاختبار.
المتطلبات السابقة
- مسار الأساسيات.
- مسار الرؤية الحاسوبية (يُفضّل).
ترتيب التعلّم
- يو-نت U-Net
معمارية تجزئة على شكل حرف U: مسار تقليص يلتقط السياق، ومسار توسيع يستعيد الدقة المكانية، مع وصلات تخطٍّ تنقل التفاصيل الدقيقة بين المستويات المتقابلة.
- يو-نت بالانتباه Attention U-Net
U-Net مع بوابات انتباه (attention gates) على وصلات التخطي تتعلم إبراز المناطق ذات الصلة وكتم الخلفية قبل دمج السمات.
- يو-نت مع المحوّلات U-Net + Transformer
عائلة نماذج تجزئة تحتفظ بشكل U-Net (مشفّر–مفكك بوصلات تخطٍّ) وتُدخل المحوّل في موضع ما: عنق الزجاجة، أو المشفّر كاملاً، أو كل المعمارية (نموذج محوّل…
- ترانس-يو-نت TransUNet
نموذج تجزئة طبية يستخدم مشفّراً هجيناً: CNN (ResNet-50) تستخرج خريطة سمات، تُقسم إلى رقع وتُمرر عبر ViT، ثم مفكك متتالٍ لرفع الدقة (CUP) يدمج سمات CN…
- يو-نيتر UNETR
نموذج تجزئة ثلاثي الأبعاد مشفّره ViT خالص على رقع حجمية 16³، تُؤخذ تمثيلات من طبقاته (3، 6، 9، 12) وتُعاد تشكيلها وترفع بالالتفاف المعكوس لتغذي مفككا…
- سوين يو-نيتر Swin UNETR
نموذج تجزئة حجمي مشفّره Swin Transformer هرمي (نوافذ محلية مُزاحة ودمج رقع) يعطي سمات بخمسة مقاييس، تتصل بمفكك التفافي عبر وصلات تخطٍّ، وقد طُوّر لتج…
المختبرات
مشاريع مقترحة
- شغّل أمثلة U-Net وTransUNet وUNETR في الموسوعة وقارن Dice على البيانات الاصطناعية نفسها.
- زر مختبر تحليل الصور الطبية لتجربة نماذج على صور حقيقية مفتوحة الترخيص.
- صمم بروتوكول تقييم لتجزئة أورام الدماغ يقسم البيانات حسب المريض، ويبلغ Dice وHD95 مع فترات ثقة.
اختبار المسار
الوصلات الجانبية في U-Net تنقل التفاصيل المكانية الدقيقة من المشفّر إلى المفكّك.
لماذا؟ تعيد التفاصيل التي فُقدت أثناء تقليل الدقة، وهذا ما يحسّن حدود التجزئة.
معامل Dice لقناعين: التقاطع 30 بكسلاً، والقناع المتنبأ 40، والحقيقي 50. كم Dice؟
لماذا؟ $2\times30/(40+50)=60/90\approx0.667$.
ما الفرق الأساسي بين UNETR وTransUNet؟
لماذا؟ TransUNet هجينة: CNN ثم Transformer، بينما يمرر UNETR رقع الصورة مباشرة إلى Transformer.
خلط شرائح المريض نفسه بين التدريب والاختبار ممارسة مقبولة لأنها تزيد البيانات.
لماذا؟ هذا تسرّب بيانات يضخّم النتائج؛ يجب التقسيم على مستوى المريض.
