الاندماج العميق والاهتمام المتبقي للتصوير بالأشعة تحت الحمراء القريبة (NIR).
نظرة عامة: يحتوي هذا المستودع على تطبيق نموذج التعلم العميق المتقدم المصمم لتعزيز التصوير الطبي. يركز المشروع على تكامل الشبكات العصبية التلافيفية العميقة مع آليات الاندماج والاهتمام المتبقي لتحسين دقة وكفاءة إعادة بناء الصورة.
الميزات الرئيسية: 1-معالجة الإدخال المزدوج: تستخدم بيانات انعكاس NIR من مصدرين LED مختلفين لضمان التقاط الميزات بشكل شامل. 2-آلية الانتباه المتبقي: تدمج كتل الضغط والإثارة ضمن أطر الاهتمام المتبقي لتعزيز أهمية الميزة ديناميكيًا. 3-استراتيجية الدمج العميق: تستخدم طبقة الدمج التي تجمع بشكل فعال الميزات المستخرجة من المدخلات المزدوجة، مما يعمل على تحسين عملية إعادة بناء الصورة. 4-مقاييس الأداء المتقدمة: تنفذ مقاييس مثل RMSE (خطأ مربع الجذر المتوسط)، وMAE (متوسط الخطأ المطلق)، وPSNR (نسبة الذروة للإشارة إلى الضوضاء) لتقييم أداء النموذج.
بنية النموذج: تم تصميم بنية النموذج مع التركيز على التعامل مع تعقيدات بيانات NIR. ويستخدم طبقات تلافيفية مصممة لمعالجة بيانات الانعكاس أحادية البعد، وتحويلها عبر سلسلة من الطبقات التلافيفية المعززة بالانتباه قبل إعادة بناء مخرجات الصورة النهائية. تؤكد البنية على القدرة على اكتشاف الميزات الدقيقة في الصور التي تعتبر ضرورية للتشخيص الدقيق.