12944 ورقة بحثية
تجمع هذه المراجعة النطاقية المنهجية بين ثلاث وثلاثين دراسة حول نماذج التوليد العميق غير الخاضعة للإشراف للكشف عن الشذوذ في التصوير العصبي، مع تسليط الضوء على إمكاناتها في التوطين غير المرتبط بنوع الاعتلال في البيئات شحيحة البيانات، مع تحديد التحديات الرئيسية مثل التباين المنهجي ومحدودية التحقق الخارجي.
تقدم هذه الدراسة المسحية منظوراً متميزاً حول التوليد وإعادة البناء رباعي الأبعاد (4D) من خلال تصنيف الأعمال التمثيلية إلى ثلاث ركائز أساسية — الهندسة، والحركة، والتفاعل — لتوجيه الباحثين في اختيار وتخصيص التمثيلات رباعية الأبعاد المناسبة للمهام المتنوعة، مع معالجة أيضاً أدوار وحدود النماذج اللغوية الكبيرة، والنماذج التأسيسية للفيديو، ومدى توفر مجموعات البيانات الحالية.
تقدم هذه الورقة CountOCC، وهو إطار عمل جديد للعد غير النمطي (amodal counting) يتغلب على قيود الطرق الحالية في ظل وجود الاحتجاب من خلال إعادة بناء ميزات الكائنات الكاملة هرميًا عبر التوجيه متعدد الوسائط وأهداف التكافؤ البصري، محققًا أداءً هو الأفضل في فئته على معايير الاختبار الجديدة المعززة بالاحتجاب.
تقدم هذه الورقة طريقة إشارة التدرج الزاوي، وهي هجوم خصومي مبتكر للشبكات الزائدية يستفيد من التفكيك الهندسي للتدرجات لتطبيق الاضطرابات فقط على الاتجاهات الزاوية (الدلالية)، مما يحقق معدلات تضليل أعلى ويكشف عن نقاط ضعف فريدة في التضمينات الهرمية مقارنة بالطرق التقليدية القائمة على الهندسة الإقليدية.
تقترح الورقة البحثية "المُعامل العصبي ذو البنية الإشعاعية" (RSNO)، وهو إطار عمل جديد للتعلم العميق يعيد بناء الصور فائقة الطيف من ملاحظات متعددة الأطياف عبر تعلم خرائط طيفية مستمرة تحت مقدمات إشعاعية، وتوظيف إسقاط متسق زاويًا لضمان الاتساق الفيزيائي والقضاء على تشوه الألوان.
تقدم هذه الورقة Yo'City، وهو إطار عمل وكيل يعتمد على النماذج الكبيرة للتخطيط الهرمي وحلقة توسع ذاتية النقد لتوليد مشاهد مدن ثلاثية الأبعاد واقعية، مخصصة، وغير محدودة، ومتماسكة مكانياً، متفوقاً بذلك على الأساليب الحالية الرائدة عبر مقاييس تقييم متعددة.
تقترح هذه الورقة البحثية "ثبات الاختصار" (Shortcut Invariance)، وهي طريقة مستهدفة لتنظيم جاكوبي تعمل على تحسين التعميم خارج التوزيع عبر حقن ضوضاء متباينة المناحي في فضاء كامن مفكك لتسطيح حدود القرار على طول المحاور المتوافقة مع الاختصارات، مما يلغي الحاجة إلى تسميات اختصار صريحة أو عينات تدريب متضاربة.
تقدم هذه الدراسة ForamDeepSlice، وهو إطار عمل للتعلم العميق عالي الدقة يجمع بين مجموعة من نماذج ConvNeXt-Large وEfficientNetV2-Small مع مجموعة بيانات مقسمة بدقة على مستوى العينة لتحقيق دقة بنسبة 95.64% في تصنيف أنواع الفورامينيفيرا من شرائح التصوير المقطعي المحوسب الدقيق ثنائية الأبعاد، مع توفير لوحة تحكم تفاعلية للتعرف في الوقت الفعلي والمطابقة ثلاثية الأبعاد.
تقوم هذه الورقة البحثية بتقييم ٢٧ مجموعة بيانات زراعية وتجد أنه بينما تُظهر نماذج الرؤية واللغة (vision-language models) واعداً مع التلقين المقيد، إلا أنها لا تزال حالياً تؤدي أداءً أقل من النماذج المرجعية الخاضعة للإشراف مثل YOLO11، وليست جاهزة بعد لاستبدال النماذج المتخصصة كأنظمة تشخيص زراعية مستقلة.
تقدم الورقة البحثية ReMeDI-SAM3، وهو امتداد لنموذج SAM3 لا يتطلب تدريباً، يعمل على تعزيز تجزئة الأدوات الجراحية في تنظير البطن من خلال تنفيذ تصفية ذاكرة مدركة للأهمية، والاستكمال البيني، وإعادة تحديد الهوية القائمة على الميزات للتغلب على تحديات مثل الانسدادات والحركة السريعة، محققاً تحسينات كبيرة في أداء التعلم الصفري (zero-shot) مقارنة بالطرق الحالية.