82 ورقة بحثية
تُظهر هذه الدراسة أنه في حين يمكن لمجموعات البيانات الأصغر والأكثر انتقاءً أن تحقق أداءً مكافئاً في التجزئة ثلاثية الأبعاد مقارنة بمجموعات البيانات الأكبر ذات التنسيق المختلط، إلا أن الأخيرة توفر قدرة فائقة على التعميم وتحسينات محلية، مما يشير إلى أن التوازن الأمثل بين جودة البيانات وكميتها يعتمد على أهداف تدريبية محددة.
تُقيّم هذه المراجعة المنهجية المشهد الحالي للتصوير الجزيئي أثناء الجراحة وتكامل الذكاء الاصطناعي في جراحات أورام الدماغ لدى الأطفال، مع تسليط الضوء على الفعالية المثبتة للرنين المغناطيسي أثناء الجراحة والتوجيه الانتقائي بالفلورة، مع تحديد الفجوات الحرجة في منصات الأيض الخاصة بالأطفال والبروتوكولات المعيارية التي يجب معالجتها لتحسين النتائج الورمية والنمائية العصبية.
تقدم هذه الورقة البحثية نموذج Brain-SAM، وهو نموذج متخصص مبني على إطار عمل SAM2 يتكيف مع بيانات الرنين المغناطيسي ثلاثية الأبعاد للدماغ من خلال مشفر Hiera وفك تشفير مستوحى من UNETR، محققاً أداءً فائقاً في تقسيم مختلف آفات الدماغ مقارنة بالطرق الرائدة مثل nnU-Net.
تُظهر هذه المراجعة المنهجية لـ 31 دراسة من عام 2022 إلى عام 2025 أن نماذج التعلم العميق، ولا سيما بنيات U-Net المتقدمة للتقسيم والمصنفات القائمة على الميزات للتشخيص، تحقق دقة عالية في تحليل الورم الدبقي في التصوير بالرنين المغناطيسي متعدد المعلمات، رغم أن المجال يتطلب ذكاءً اصطناعيًا أكثر قابلية للتفسير لضمان الثقة والاعتماد السريري.