الرعاية الصحية
جامعة محمد بن زايد للذكاء الاصطناعي
لا يوجد
لا يوجد
عاد نقل المعرفة بين المهام بفائدة كبيرة على مجتمع الرؤية الحاسوبية على مدى الأعوام السابقة، عبر الحد من الاعتماد على كميات كبيرة من بيانات التدريب المُسماة. وكان لذلك أثر كبير في التصوير الطبي الذي تندر فيه البيانات. وأظهر التعلم المنقول بشكلٍ خاص فعاليته في هذا المجال. أما طبيعة التصوير الطبي متعددة السمات، فتقدم توجهاً محتملاً يمكن من خلاله الاستفادة من علاقات النقل بين الصور التي تتميز بسمات مختلفة ومجالات وصيغ وأعضاء وأمراض مختلفة، بهدف الحصول على عمليات نقل أكثر متانة وفاعلية.
غير أنّ الأعمال القليلة التي تستفيد من هذه الإمكانية تستخدم إما تقنيات القوة الغاشمة لقياس علاقات النقل بشكلٍ شامل وإما تقترح مجموعات بيانات متجانسة وواسعة النطاق لتعلم علاقات النقل العابرة للسمات. لكن هذه الطرق مكلفة من الناحية الحاسوبية ولا تستطيع التعميم إلى سيناريوهات متعددة السمات مثل الإعدادات التي تتعدد فيها المجالات أو الأعضاء أو الصيغ. وبالتالي، ثمة حاجة ملحة لاستخدام مقاربة متعددة الصيغ مهيكلة أكثر من أجل توفير طريقة أفضل من طريقة إيمج نت الكلاسيكية قبل التدريب، على أن تتمكن هذه المقاربة الجديدة من التعميم لتشمل طرق تغير السمات هذه وتستفيد من الخصائص العابرة للسمات السائدة في مجال التصوير الطبي.
يقدم هذا المشروع التعلم المنقول التبياني الفوقي، وهو إطار للتعلم المنقول على المستوى الفوقي للتصوير الطبي، يتعلم مساحة تضمين مشتركة لمجموعات البيانات والنماذج بغض النظر عن صيغها أو مجالاتها أو الأمراض أو غيرها من السمات المتعددة المقيِّدة عادةً. وهو يهدف إلى جمع الخصائص العابرة للسمات التي تفيد علاقات النقل وحتى العلاقات التصنيفية العامة بين مجموعات البيانات.