2- Introduction- Part 2 - (Deep Learning Applications at FAU)

السلام عليكم ورحمه الله وبركاته كمراجع و ايضا استكمالا لموضوع الموتيفيشن في المحاضره الماضيه بدنا نتحدث هون عن هذا السلايد احنا تحدثنا انه الفيرست كونفشن نيور نتورك واللي هي حاليا تعت تعرف بالكس نت حققت تقليلا نسبه الخطا الى 16.4 بالنسبه لاعلى خمس نتائج ايش يعني كلمه اعلى خمس نتائج لو نفرض انه في عندي نموذج في الذكاء الاصطناعي هذا النموذج وظيفته انه يعطيني تصنيف للصوره مثلا انا اعطيت لهذا النموذج صوره كلب وطلبت منه انه يصنف لي اياها تمام النموذج بيعمل بهاي الطريقه عندما يعرض عليه الصوره يقوم باعطاء قائمه من افضل خمس تخمينات للفئه التي تنتمي اليها الصوره بناء على الاحتمالات لنفرض انه ها الخمس تخمينات اللي قدمها ال النموذج مثلا قطه 33% ذئب او ثعلب 20% ذئب 15% وكلب 10% وارنب 88% وفي 7% وزرافه 5% واسد 2% تمام في هذا المثال الفئه الصحيحه هي كلب وهي تاتي في المرتبه الرابعه زي ما نحن شايفين في حين انه قطه تاتي في المرتبه الاولى الا انه يعتبر تصنيفا ناجحا لان الفئه الصحيحه اللي هي الكلب كانت ضمن الخمس الاوائل وهذا هو ما يقصد بمعدل خطا اعلى خمس نتائج او التوب 5 ايرور ريت اذا كانت الفئه الصحيحه ضمن الخمس تخمينات فهذا يعني ان النموذج ادى بشكل جيد حتى لو لو لم يكن التنبؤ الاول هو صحيح هذا هي هذه هي فكره التوب 5 ا تمام الان حكينا عن اللي في الامج نت واللي هي حلتها اللي هي الالكس نت تمام انه و ليبل بكون للصوره بالمج نت في حين في الالكس نت يعطي تخمينات لخمس تخمينات موجوده من ضمن الصوره فبالتالي يعني خلاصه الكلام هنا كفرق بين الامج نت والكس نت يعني خلاصه الكلام انه تصنيف واحد قد لا يكون كافي لوصف الصوره باكملها مثل ما احنا شايفين هون في حين هون الامور سهله وتمام بينما هون لا تمام ايضا كنا تحدثنا عن لعبه الجو والشطرنج كيف تم هزيمه الانسان باستخدام الذكاء الاصطناعي كيف صارت التطورات وحكينا انه لعبه الجو هي لعبه معقده تحتاج الى يعني فيها خلينا نحكي احتمالات جدا كبيره بالنسبه للاحجار انها تكون في موضع معين نظرا لانه لها حريه الحركه في حين انه الشطرنج لا هناك في حركات مقيده لذلك تم تطوير اللي هو نموذج الالف جو في بالنسبه للعبه الجو وبرضه ايضا بعد ذلك تم تطوير اللي هو الالفا زيرو والالفا ستار واللي هزم اللي هو بروفيشنال بلايرز لعبه ستار كرافت ايضا خلينا نتحدث على نموذج اخر اللي هو مشروع جوجل دريم اللي تحدثنا عنه بشكل عفوا تحدث تحدثنا عنه سابقا واللي هو حكينا انه في عندي مثلا في هذه الصوره الفكره انه الكمبيوتر يستخدم الشبكه العصبيه اللي تحلم بالاشكال التي تعرفها وتضيفها الى الصوره نفس فكره الانسان لما يكون في خلال اليوم الانسان يمر بتجارب روتينيه وعده مشاهد و عده صور يعني في خلال الروتين اليومي للانسان ف وظيفه الشبكه العصبيه يعني مثل الفكره العصبيه يتم توظيف هذه الاشياء المشاهد اللي حلم فيها عفوا اللي شاهدها الانسان طوال اليوم اخر الليل لما ينام الانسان بيبدا يحلم ف بركب صور وبصير يعني يعمل زي مكسين بالحلم بهاي الصور فتنتج عنه صور يعني صوره بالحلم يعني غير يعني مش على مش زي الموجود على ارض الواقع مثلا افرض انا عندي مثلا صوره سماء مثلا سماء زرقاء صافيه لكن تريد ان ترى ان تجعل الشبكه العصبيه تحلم بالاشكال التي تعرفها وتضيفها للصوره كيف يعني بتم تدريب الشبكه العصبيه قبل ان يبدا المشروع يعني ما في الصوره ها مش موجوده احنا بندرب الشبكه العصبيه على التعرف على اشكال وانماط معينه من الصور مثل الوجوه الحيوانات او المنا الطبيعيه بعد هيك احنا دربنا على مناظر طبيعيه لحيوانات مثلا مثل مثلا ها الحيوانات اللي احنا شفناها تمام بعد هيك بعد ما دربنا دربنا الشبكه العصبيه على ها الحيوانات وصور ها الحيوانات خليناه دخلنا عليه صوره اضفنا عليه دخلنا له صوره تمام بعد ما تعلم الان اختيار هذه الصوره بيبدا يعمل كابتشر الشبكه الكمبيوتر بضيف لمسات للصوره بناء على ما تعلمه يعني اذا تعلم اذا تعلمت الشبكه العصبيه انه مثلا في عندي زي هون ادميرال دوج بي سنيل كامل بيرد دوج فيش بصير يعمل كابتشر للصور تمام بصير نعمل كابتشر لمواقع معينه من الصور وبناء على ذلك بصير يعمل تعديلات على الصوره مثلا مثل خنزير مثلا بيج مثل طائر بيرد بتعلم الانماط وبصير يضيف بصير يضيف ها الاشكال الشبكه العصبيه بتضيف ها الاشكال تفاصيل تشبه الاشكال التي تعلمها بضيفها على الصوره فتظهر اشكال جديده مثل ما هي احنا شايفين يعني صور صور موجوده بالاحلام اذا بنلاحظ هون مثلا زي زي في زي شكل طائر هون مثلا زي في شكل ذئب مثلا هون في عننا زي بيج خنزير مثلا هون ايضا طائر تمام احنا شاي كيف الصوره النمطيه ف يعني صور يعني بينتج لك شغلات خياليه يعني صور خياليه مبهره وق وغامضه يعني هي في نفس الوقت اشبه بالصور اللي في الاحلام تمام كنا ايضا تحدثنا عن يو اون لوك يون لوكس اللي هو نموذج لابكت ديكشن تمام احنا وصلنا هون بالنسبه لحد التطبيقات ايضا الذكاء الاصطناعي اللي هو الفويس ريكشن التعرف على الكلام او التعرف على الصوت التعلم تقنيات الديب ليرن تحسنت بشكل كبير وحسنت بحيث انه تحسنت واجهات التعرف على الكلام هو سبيتش ريكشن الان يمكن التعرف على على الكلام انه بدقه حوالي بدقه حوالي 99.7% من الكلمات المنطوقه يتم التعرف عليها مما يعني ان هناك اقل من كلمه واحده تخطا في كل 100 كلمه يمكنك ملاحظه ان هذه التقنيات تستخدم بالفعل في الحياه اليوميه مثل استخدام المساعدين الصوتيين على الهاتف مثل سيري اللي هو بهواتف الايفون تمام الناس اللي بيستخدموها لكتابه النصوص صوتيا وتعمل حتى في البيئات الخارجيه مع الضوضاء الخلفيه مثل عند التواجد في الشارع مثلا يمكن لمساعد مثل سيري ان يجيب على سؤال مثلا مثل السيري كم الساعه وهناك نكته طبعا تتداول بهذا الشان تقول الوقت هو ان تبحث عن صديق والا ستصبحين امراه خطط وحيده لا ادري ما معنى هذه النكته لكن هذا فقط لت تبيان الامر ايضا في بالنسبه لاليكسا بانتاج شركه امازون مشكله اليكسا هي مساعد ذكي هناك اشياء مثيره ايضا جدا يستخدمها هذا الكسا من قبل امازون يمكن رؤيه منتج امازون بمتلكه طبعا كثير من الناس في منازلهم في ويتم توظيف ذلك في السمارت هوم ابلكيشن حيث يمكنهم التحكم عن بعد في اشياء مختلفه مختلفه وطلب ما يحتاجون اليه وعاد ما يعمل بشكل جيد لكن بالطبع المستخدمين الذين لديهم لهجات قويه قد يواجهون صعوبات في صعوبات في اليكسا طبعا للاسف يعني ممكن ما تتعرف على بعض الكلام او تقطب بس جزء معين من الكلام او يصير في مثلا مس اندرستاند لكن هي في تطبيقاتها المنزليه هي يعني ابدت فعاليتها ايضا التطبيق المشهور على جوجل جوجل ترانسليت يعني جوجل في البدايه كانت تواجه مشاكل لكن مع الوقت تحسنت كثيرا خصوصا مع توظيف الذكاء الاصطناعي والديب ليرن في ترجمه جوجل مثلا يعني هسه صار في اول شي كان من لغه الى لغه لكن حاليا خلال السنتين او الثلاثه الاخيره اصبحت افضل بكثير كيف يعني مثلا بدل من تعلم الترجمه بين لغتين فقط اصبح اصبحت استخدام اصبحت تستخدم جميع اللغات معا للت يعني انها تتعلم من جميع اللغات في نفس الوقت اليوم يعني بما معناه النتيجه صار في عندي ترجمه للنصوص بدقه عاليه واحيانا تحتاج لتعديلات بسيطه لتكون الترجمه مثاليه يعني ببساطه انه صار جوجل افضل اداء عن ذي قبل نظرا لانه بطل مثلا صارت الترجمه بين اكثر من لغه يعني اصبح يتعلم من اكثر من لغه وليس من لغتين يعني هذا اضف له هون بنهي ب موضوع البارت 1 خلينا نبلش بموضوع البارت 2 طبعا في موضوع بارت 2 حنتحر عن الابلكيشن اللي يتم تطبيقها حاليا في فريدريخ الكساندر يونيفرستي الريسيرش اللي بيشتغل عليه الباحثون في جامعه فريدريخ الكساندر يونيفرستي احدى هذه التطبيقات اللي والذي اود تسليط الضوء عليه هو تعاون قسم الباترن ريكشن في الاف اي يو والاي اي بالاف اي يو مع شركه اودي حيث يعملون على القياده الذاتيه السلف درايفينج بيعملوا على تطوير حساسات ذكيه داخل السياره يمكن ان ترى انه سياره اودي اودي اي 8 اليوم هي في الاساس نظام حساس ضخم يحتوي على كاميرات وحساسات متعدده يتم معالجه البيانات في الريل تايم في الوقت الفعلي لفهم البيئه المحيطه تتضمن السياره السياره وظائف مثل المساعده في الباركينج لما تعمل باركينج وكذلك دعم القياده اثناء الازدحام في الترافيك جامز في الازدحام المروري وكذلك وكل ذلك يتم باستخدام انظمه الحساسات بالطبع طبعا يتطلب هذا الكثير من المهام مثل مهام الكشن والسمني شن اللي حنتحر عنها لاحقا بالنسبه للبد سينز واللاين وال السج السايتس تبعت الشارع مثل ما احن شايفين طبعا ما نراه هنا هو مثال يوضح لنا بعض المخرجات اللي بنحكي مثلا هون زي ما احنا شايفين في اوبجكت ديتكشن سجمنت لا ما في سيجمنتيشن هون في عندي اوبجكت ديتكشن لبعض المخرجات التي تسجلها السياره هذه الصوره من الامام حيث يمكنك رؤيه البيئه المحيطه وتحتاج الى اكتشاف سيارات طبعا كما تحتاج الى اكتشاف المساحه الخاليه والتي تظهر تظهر هنا باللون الاخضر زي ما احنا شايفين وهذه ها المنطقه اللي يمكنك القياده فيها وهذا ايضا يحتاج الى اكتشاف ويتم يعني بدنا نعمل له ديتكشن تمام ويتم ذلك غالبا باستخدام اساليب الديب ليرنينج طبعا هناك تحدي كبير في هذا المجال لانه بحتاج الى اختبار خوارزميات الجورم يتم ذلك غالبا باستخدام بيئات محاكاه ميمك حيث تستخدم سياره اختبار على مسار اختبار ويتم انتاج الكثير من البيانات لجعل النظام موثوقا ولكن في النهايه يجب ان يعمل هذا النظام على الطريق الحقيقي مما يعني انه يجب مراعاه فصول السنه المختلفه وضروف الاط الاضاءه المتنوعه يعني مثلا كان في عندي ثلج كان في عندي جو مشمس لا يجب ان يتكيف مع الظروف المحيطه وبالطبع هذا يجعل الامر صعبا للغايه ما رايناه طبعا في الابحاث هو انه العديد من نتائج الكشن تعمل بشكل جيد في الايام المشمسه حيث تكون الظروف مثاليه ولكن التحدي الحقيقي هو التعامل مع ظروف الطقس الماطره والليل والشتاء والثلوج ومع ذلك نريد ان نكون قادرين على اكتشاف ليس فقط الكارز السيارات بل ايضا اشارات المرور والمعالم المهمه وتحليل المشهد حولك لتوفير تنبؤ موثوق لنظام القياده الذاتيه السلف دراي ايضا هنا احد الابلكيشن باستخدام الاجهزه الذكيه طبعا ندرس بيدرسون يدرسون الاجهزه الذكيه وهناك مواضيع مثيره جدا في مجالات مثل الطاقه المتجدده والكهرباء واحده من المشاكل التي نواجهها عاده في الانتاج هي عندما لا يكون هناك رياح كافيه تهب او عندما لا لا تكون الشمس مشرقه بما يكفي في هذه الحالات يجب تشغيل محطات طاقه احتياطيه وبالطبع لا نريد انتاج طاقه فائضه تمام لا نري لا نريد انتاج فائض من الطاقه لان ذلك سيؤدي الى انتاج طاقه لا يمكن تخزينها بشكل تخزينها بشكل فعال حال حيا تخزين الطاقه ليس بالكفاءه المطلوبه ولكن صراحه هناك بعض الافكار البحثيه لمعالجه هذه المشكله مثل الاسعار الفوريه يعني الاسعار الفوريه وكن ما نحتاجه هو اجهزه ذكيه سمارت ديفايسز يمكنها التعرف على كميه الطاقه التي سيتم انتاجها في المستقبل القريب والتنبؤ بها خلينا ننظر الى مثال على هذه الاجهزه الذكيه لنفرض انه لديك ثلاجه او غساله غساله ملابس ويمكنك برمجتها بطريقه تجعلها مرنه في توقيت استهلاك الطاقه يمكنك مثلا بدء الغسيل ليلا او بعد ساعه عندما تكون الاسعار اقل واذا كان لديك اجهزه ذكيه تستطيع التنبؤ بالاسعار الحقيقيه فستتمكن من تحقيق من تحقيق توازن في النظام الكهربائي وفي نفس الوقت تقليل حاله الذروه طبعا هذا الابلكيشن مناسب جدا للظرف اللي احن بنعيشه بسبب انه طبعا صار في زياده على تعرفه الكهرباء في اوقات الذروه او الاوقات اللي هي ما بعد الظهيره نظرا لاستخدام السيارات الكهربائيه ف يتم تطبيق هذا الشي لزياده اللي هي مداخيل شركات الكهرباء بحكم انه يعني او كبريتيك او كحجه انه لتقليل الضغط على الشبكه طبعا هذا الحكي بحقق من على سبيل المثال اذا كانت الرياح قويه وتولد طبعا تقليل الوقت في حال في نفس الوقت تقليل حاله الضرب طب على سبيل المثال اذا كانت الرياح قويه وتولد الكثير من الطاقه يتم توليد الكثير من الطاقه سيكون من المنطقي ان يقوم العديد من الاشخاص بتبريد الثلاجه او غسل الاطباق او الملابس يمكن تحقيق ذلك باستخدام الشبكات العصبيه التكراريه او الر نيور نور تمام حيث يمكنك التنب بكميه الطاقه التي تنتج واستخدامها على الجانب الاستهلاكي لتحقيق التوازن في انتاج الطاقه طبعا المثال المعروض هون هو محطه للطاقه الشمسيه كانوا مهتمين طبعا بتوقع انتاج الطاقه على المدى القصير لابلاغ الاجهزه الاخرى او لتشغيل محطات الطاقه الاحتياطيه الاطار الزمني الحاسم هنا هو ع دقائق الفكره كانت مراقبه السماء للكشف عن السحب وتقدير حركتها ثم التنبؤ مباشره من خلال صوره السماء الحاليه بكميه الطاقه التي ستنتج خلال العشر دقائق القادمه فمثلا اذا كان اذا كانت هناك سحابه من المحتمل ان تغطي الشمس تقريبا يعني ف بالتالي فانك تريد تشغيل المولدات وابلاغ الاجهزه بعدم استهلاك الكثير من الطاقه طبعا لانه في عندي سحابه مغطيه الشمس يعني ف بالتالي يعني او سحابه بدها تتجه باتجاه الشمس فبالتالي نبلغ الاجهزه والمولدات بانها ما تستهلك كثير من الطاقه لانه في قا في العش دقائق القادمه لم لن يتم توليد الطاقه اللازمه ف بالتالي هون به الناحيه بتفادى خطر الشت داون او البلاك اوت او او خلينا نحكي الش داون للاجهزه تبعتي تمام كيف بتم هذا الاخ الحكي طبعا السحب بشكل عام كابكت من الصعب عملها ر برزنتيشن او لحتى نفهم نيورال نتوركس النيورال نتورك لسحب كيف فهي صعبه الوصل من خلال الجورم التقليديه تراديشنال الجورم لكن ما نقوم اللي بيقوموا فيه هون بالابحاث هو انهم بيستخدموا شبكه عصبيه عميقه لمحاوله تعلم التمثيل الخاص بالسحب طبعا هذه هذه المييزات اللي اللي بوفرها الديب ليرنينج تعتبر مفيده في التنبؤ بانتاج الطاقه و وتمكنوا بالفعل من انتاج مميزات موثوقه لفتره تصل الى حوالي 10 دقائق خاصه انت بتحكي صوره زي الصوره خلينا نحكي متحركه او فيديو يعني بما معناه بينما باستخدام تقنيات التعرف على الانماط التقليديه طبعا كانوا قادرين فقط على التنبؤ لفتره لفتره تقارب خمس دقائق فهاي احد الميزات ايضا موضوع اخر مثير وممتع اود استعراضه هو فكره اللي هي الرايتر ايدكشن التعرف على الكاتب يعني انت في خط معين بدك تعرف مين اللي كاتبه هنا المهمه انه لديك قطعه من الكتابه زي هيك او نوت نوته تمام وتريد معرفه من الذي كتب هذا النص طبعا احنا ما بنعرف شو اللي انكتب لي تم كتابته بل بدنا نتعرف على مين اللي كتب النص الفكره هون هي تدريب شبكه عصبيه عميقه وهذه الشبكه تتعلم تمثيلات ابستراكت برزنتيشن تمثيلات مجرده تصف كيفيه كتابه الشخص لذلك يتم فقط التركيز على اجزاء صغيره حول الحروف مثلا زي اللاين زي يعني حوالين الحروف وتستخدم هذه الاجزاء الصغيره للتنبؤ بمن كتب النص يعني مثل زي هيك اجزاء حوالين الصوره حوالين النص من خلالها بنقدر نعرف مين اللي كتب النص تمام طبعا كما هو الحال في العديد من الاساليب يمكن ان ترى ان تقنيات الديب ليرنينج يمكن استخدامها لاغراض جيده مثلا تحديد من كتب نص تاريخي معين اذا اذا كنت لا تعرف المؤلف او المؤلفين او لمعرفه عدد الاشخاص الذين عملوا على المخطوطات ولكن يمكن ايضا استخدام طرق مشابهه جدا لانتاج طبعا تزوير انتاج تزوير يعني في بصير في التزوير ونشر معلومات مثلا مضلله لذلك يمكنك ان ترى انه ها التكنولوجيا هي عباره عن سلاح ذو حدين وبالطبع هذا هو السبب في انه الاخلاقيات مهمه جدا في مجال الديب ليرنينج طبعا احد الزملاء بالنسبه يعني نتكلم بلسان بروفيسور اندرياس ماير احد زملائه عرض في تقديم مميز قام به ل انترناشنال كونفرنس انه يستطيع ايضا توليد خط يد مميز لشخص معين اي انه يمكنه تقليد خط يدك يد شخص معين باستخدام هذه التقنيات يعني شوف الحد اللي وصلوا له يعني انه حتى انه قادرين انه يزوروا خطك باستخدام هذه التقنيات طبعا اغلب العمل اللي قوموا فيه اللي قوموا فيه بالاف اي يو هو بيتعلق بالتطبيقات الطبيه احد التطبيقات الرائعه للدي ب ليرنينج هو عندما ترغب في فحص كميه كبيره جدا من البيانات احد الباحثون في الاف اي يو احد الباحثين في الاف اي يو بدا مؤخرا في دراسه الصور الكامله للشرائح السلايس سلايسز هو هذا يستخدم مثلا في تشخيص التيومر الاورام عندما تريد معرفه مدى عدوانيه السرطان الله يجيرنا ويجير يمكنك فعل ذلك عن طريق فحص عدد انقسامات الخلايا في وقت معين لذا تحتاج ايضا الى معرفه مدى تكرار حدوث الانقسام الخلوي لان عدد الانقسامات المكتشفه يثير الى مدى يشير الى مدى عدوانيه السرطان الصور الكامله للشرائح طبعا بتكون كبيره جدا قد تكون بعده الاف من البكسلات في كل اتجاه ولا ترغب طبعا في فحص كل خ بشكل فردي ها احدى ها الصورت تخيل انه لديك هذه الصوره الكبيره طبعا الصوره ها جدا جدا كبيره يعني ها بطلع عليها بشكل كلي ولكن ها بالاف من البكسلات تخيل انه لديك هذه الصوره كبيره جدا لشريحه تحتوي على خلايا الان شريحه او نسيج يحتوي على خلايا الان لتشخيص الكانسر تحتاج الى معرفه كم مره تنقسم الخلايا في الصوره بدلا من فحص كل خليه واحده واحده واحده يمكنك استخدام برنامج ذكي مثل شبكه عميقه للتعرف على جميع الخلايا وتحليل الصوره الكبيره كامله طبعا حاليا الاطباء ما بينظروا الى الصوره كامله بدلا من ذلك ينظرون فقط الى اجزاء صغيره من الصوره مثل 10ش مناطق صغيره لتحليل عده الخلايا عدد الخلايا المنقسمه هذا لانه الصوره الكامله ضخمه جدا لكن باستخدام التقنيه الحديثه الديب ليرين يمكننا ان فحص الصوره الكبيره كامله ومعرفه عدد الخلايا المنقسمه في كل مكان مما يجعل ان ر تايم طبعا مما يجعل عمليه التشخيص اسرع وادق طبعا ما يمكنك فعله هو جيب شبكه عميقه لتفحص جميع هذه الخلايا ثم تقوم بالتحليل على مستوى الصوره كامله للشرائح في الاستخدام السريري الروتيني طبعا حاليا لا لا ينظر الناس او الطباء الى الصوره الكامله للشرائح بل يركزون على مجالات عاليه القوه مثل هذه ويحللون جزءا صغيرا فقط كما هو وضح في ال صوره في الروتين الكيميائي طبعا يقومون بعد الانقسامات الخلويه ضمن هذا المجال المرئي بالطبع لا يمكنهم القيام بذلك على الصوره الكامله للشرائح عاد ما ينظرون الى حوالي ع مجالات عاليه القوه لتقييم مدى عدوانيه السرطان باستخدام الديب ليرنينج سيكون بامكاننا فحص الصوره الكامله للشرائح طبعا هكذا يبدو استخدام تقنيه الديب ليرنينج لذك جزء من الشبكه يقوم بتحديد مكان الخليه ثم جزء اخر من الشبكه يقوم بتصنيف الخليه يعني تحدي اول شيء بيعمل ديتكشن بعدين بيعملها كلاسكي شن سواء كانت خليه تتكاثر او خليه عاديه او خليه سرطانيه الصوره الكبيره طبعا عندك صوره كبيره جدا لتحتوي شرائح مهمه الاطباء تحتوي على خلايا عفوا مهمه الاطباء لازم يعرفوا كيف بتنقسم الخلايا في هذه الصوره لمعرفه مدى خطوره السرطان الطريقه التقليديه الاطباء طبعا حاليا ينظرون الى اجزاء صغيره فقط من الصوره الكبيره يعني بدلا من فحص الصوره كلها ينظرون فقط الى ع مناطق صغيره التقنيه الحديثه باستخدام الديب ليرنينج يمكن فحص الوره الكبيره كامله مره واحده بد من النظر الى اجزاء الصغيره فق طبعا شو النتيجه لهذا الشي هذا يجعل عمليه الفحص اسرع وادق لانه البرنامج يمكنه تحليل كل الخلايه في الوره الكبيره في نفس الو باختصار طبعا التقنيه الحديثه بتسا الاباء في تحليل الصور الكبيره بشكل اسرع وادق مقارنه بالطريقه التقليديه طبعا هاي ها هي الابرو المتبعه اللي بتبعها الباحثون سبيشال ترانسفورم ترانسفورمر نتور طبعا باستخدام تقنيات استكمال البيانات او خلينا نحكي الكشن يمكن القيام باشياء مثيره في هذا المثال نرى مشهدا صغيرا يظهر الشرايين التاجيه للقلب عاده عاده ما تكون هذه الشرايين غير ثابته لانها تتحرك باستمرار ومن الصعب جدا رؤيتها وتحليلها لذلك ما يتم فعله عاده للحصول على صور واضحه للشرايين التاجيه هو حقن ماده تباين او خلينا نحكي اللي هي عباره عن ها بيعملوا انجكت لماده تباين ساتيوريشن تمام ف عن طريق حقن ماده التباين بتم اظهار هذه الشرايين التاجيه السبب في انك تستطيع طبعا تستطيع رؤيه الشرايين التاجيه في هذه الصوره هو انها مليئه بماده التباين تعتمد بشكل اساسي على الي خلافا لذلك بما انه الدم يتشابه في امتصاص الاشعه السينيه لن تتمكن من رؤيه شيء اي شيء طبعا المشكله يعني بك مشان اوضحها انه في عندي الشرايين التاجيه في القلب تتحرك مما يجعل من الصعب رؤيه وتحليل الصور الخاصه بها طبعا الحل التقليدي لتوضيح الصوره يتم حقن ماده خاصه تسمى ماده التباين في الشرايين هذه الماده تجعل الشرايين تظهر بوضوح في الصور لانها تحتوي على ماده مختلفه تساعد على رؤيتها بوضوح اكثر من الدم العادي لماذا ماده التباين طبعا الدم والانسجه الاخرى يمتصان الاشعه السينيه اشعه اكس تمام بشكل مشابه لذلك يصعب تمييز الشرايين لكن ماده التباين تجعل الشراين تبدو واضحه لانه يمكنها امتصاص الاشعه السينيه بشكل مختلف بهذا الشكل يمكنك رؤيه الشرايين التاجيه بوضوح اكبر في الصور بسبب ماده التباين التي تساعد على تمييزها طبعا هون هي تقنيه شائعه لرؤيه الشرايين هي اخذ صورتين واحده تحتوي على ماده التباين تمام الاخرى بدونها اذا قمت زي ما احنا شايفين الاخرى بدونها اذا قمت بطرح عملت سب تراكشن تمام هاي وحده مثلا الوال ماسك ايجون الاكس بروجكشن وفي عننا الباينري ماسك اذا قمت الان بطرح الصورتين ستظهر فقط ماده التباين زي ما هو مبين سب تراكشن انجري ان جيومتري تمام انجيو جرام تمام هذه طبعا من الصعب تطبيقها يعني ها لما نطرح الصورتين ستظهر فقط ماده التباين ولكن المشكله هي انه القلب يتحرك باستمرار والمريض يتنفس مما يجعل من الصعب تطبيق هذه التقنيه في تصوير الشرايين التاجيه لذلك بيقترح في الاف ايو استخدام طريقه اخرى انه اولا بيبدا بتحديد الشرايين في الصوره باستخدام تقنيه الديب ليرنينج بعد تحديد الشرايين بيستخدموا هذه المنطقه المحدده كقناع ثم بيستخدموا التعلم العميق لتوقع ما ستكون عليه الصوره بدون ماده التباين في هذه المناطق بعد ذلك يمكن طرح الصوره التي تحتوي على تباين من الصوره الاصليه ليحصلوا على صوره توضح الشرايين بدون ماده التباين هذه التقنيه طبعا تعمل حتى مع الصور المتحركه وهي شيء لم يكن ممكنا بدون استخدام تقنيات الديب ليرنينج كلياتها تطبيقات يعني جدا ممتعه للدي بل ومهمه ايضا طبعا التنفيذ الحالي للتقنيه باستخدام نوع من الشبكه العصبيه يسمى اليونت تمام طبعا هو نموذج سيجمنتيشن سنتحدث عنه لاحقا ستتعلم عن اليونت في الجزء متاخر من هذه المحاضره طبعا لما نتحدث عن سيجمنتيشن واستخداماته الشائعه اليونت هو نوع من الشبكات العصبيه التي تقوم بتحويل بتحويل الصور من صوره الى صوره اخرى ويمكنك ايضا استخدامه لانتاج الصور الخاليه من ماده التباين لتطبيق طريقه طريقه الطرح الرقميه جزء مهم ايضا اخر في يتم في تحليل الصور الكبيره هو الاورجن سيرش او تحديد اماكن الاعضاء المختلفه احد الباحثين في الاف اي يو يدعى فلوريان جيزو طور طريقه ذكيه لتحديد اماكن الاعضاء الفكره هي معالجه الصور او الصوره بطريقه مشابهه لكيفيه معالجتها من قبل اطباء الاشعه طبعا تبدا الى بالنظر الى جزء صغير من الصوره ثم تحاول التنبؤ بمكان العثور على العضو المحدد الذي تهتم به بالطبع طبعا القيام بذلك على دقه واحده لا يكفي فقط لذلك يقومون ايضا بتحسين البحث على مستوى دقه اصغر للحصول على تقدير دقيق لمركز العضو طبعا هذه الطريقه سريعه لانه تنظر فقط الى جزء صغير من الصوره لذلك يمكنك تحديد حوالي 200 معلم تشريحي في حوالي ثانيتين فقط الجانب الاخر المثير هو انه يمكنك ايضا انتاج مسار يمكن تفسيره حتى في الحالات التي لا يظهر فيها المعلم المحدد في الصوره هذه الطريقه لا تفشل على سبيل المثال اذا كنت تبحث عن عظمه الفخذ في صوره لا تاخذ الفخذ فان ال الفيرتوال ايجنت سيحاول الخروج من الصوره ولن يتنبا بموقع خاطئ بدلا من ذلك س سيظهر لك ان عظم ان عظمه الفخذ ستكون في مكان ادنى بكثير وسيتعين عليك مغادره الصوره في هذا المكان ايضا يمكن ايضا استخدام تقنيه تحديد المعالم في الصور المسقطه البروجكت ايجز مثل ما قام الباحث باستيان بير بتطوير طريقه مثيره للاهتمام في هذا في هذه الطريقه تستخدم الموقع ثلاثي الابعاد ل المعالم للمعالم لتكوين اسقاطات افضيه افتراضيه للمعلم ثم تقوم بتدريب مصنف يعتمد على هذه الصور المسقطه باستخدام مصنف يعتمد على الصور المسقطه يمكنك تحديد المعالم في اي زاويه من زوايا الاناتومي المحدده او التشريح المحدده طبعا في هذا المثال نرى كيف يتم تتبع عظمه الفخذ اذا قمنا باسقاط الصوره وحاولنا تحديد المعالم فانه المهمه المهمه تكون صعبه جدا لكن باستخدام الطريقه التي وها باستيان نتمكن من تتبع عظمه الفخذ بالكامل وايجاد المعالم مباشره على عظمه الفخذ طبعا فكره هذه الطريقه هي انك تستطيع انك تستخدم اله مشين كلاسكي شن مشين تدعى كونفشن بوز مشين سي بي ام ها التصنيف على اساس الشبكات العصبيه تلاف فيه في هذه الطريقه يتم معالجه كل معلم او نقطه مرجعيه بشكل فردي ثم يتم ابلاغ المعالم المتكتفه في الجزء الاول بمواقع المعالم الاخرى بعد ذلك يتم معالجه الصوره مره اخرى وتكرار العمليه عده مرات حتى تحصل على الموقع النهائي الدقيق لكل معلم مثل ما هو واضح هنا يمكنك طبعا رؤيه بعض نتائج الغوريثم المعنيه او الغوريثم المعنيه اللي استخدمها باستيان يعني زي ما احنا شايفين كيف التتبع بتم ايضا احد التطبيقات اللي بشتغل عليها شياو زانج عمل على توقع مواقع الاعضاء باستخدام كاميرا ثلاثيه الابعاد لرصد سطح المريض او السيرفس تبع البيشنت بعد ذلك يحاول التنبؤ بمواقع الاعضاء داخل الجسم طبعا هذا مفيد جدا لانه يمكننا من استخدام المعلومات لتوقع كميه الاشعاع التي ستؤثر على الاعضاء المختلفه بمعرفه مواقع الاعضاء يمكننا ضبط خطه العلاج الاشعي او حتى تخطيط الصور بحيث يتم توجيه جهاز الاشعه السينيه بشكل يقلل من الجرعه الموجهه للاعضاء الحساسه هذا يساعد على تقليل الجرعه للاعضاء وتقليل خطر الاصابه بالسرطان بعد العلاج ايضا يمكن استخدام هذه الطريقه لتوقع مواقع الاعضاء بناء على على معلومات السطح او السيرفس لاداء تقطيع الاعضاء في الاجزاء التخ التدخل طبعا الفكره هون اي هي البدء بنقطه سحابيه اوليه للعضو ثم تحسينها خطوه بخطوه لتتناسب مع شكل العضو في صوره في صوره معينه على سبيل المثال يمكنك رؤيه صوره مقطعيه قبل العمليه على اليسار ومن هذه الصوره نقوم بتدريب الخوارزميات او الجورم لانتاج سحب نقطيه بعد ذلك نقوم بتدريب شبكه تعمل على تعديل هذه السحب النقطيه وتنتج اشكالا جديده تتطابق مع المظهر الفعلي الشيء المثير في هذه الطريقه اللي هي الكلاود سشن هو انها تبدا بمعرفه بمعرفه مسبقه حول شكل العضو وتقوم فقط بتعديلات طفيفه لتطابق الصوره الحاليه هذا يتيح لنا انتاج تقسيم الاعضاء للاعضاء بسرعه وبدقه عاليه في البيانات المستخدمه من خلال التدخلات الطبيه خلال التدخلات الطبيه نقوم بتدريب النموذج باستخدام مجموعه بيانات مقطعيه عاديه ولكنه يعمل ايضا على الصور التي تلتقط بواسطه اجهزه الاشعه المتنقله وانظمه او انظمه تصوير الاوعيه الدمويه التي تكون جودتها اقل بكثير طبعا تستخدم هذه الصور في الاعدادات التدخل للارشاد يمكننا تطبيق ها الطريقه في غضون ثلاث الى ست ثواني تقريبا هذا اسرع بحوالي 50 الى 100 مره من الطريقه التقليديه التي تعتمد على معالجه ثلاثيه الابعاد بشكل كامل طبعا هي هي الطريقه طبعا زي ما نحن شايفين فعلا هو باستخدام ه الطريقه احنا من خلال ثلاه الى ب 3 ل 2. 6 سكند بير فوليوم هذا هذا هو الرقم الصحيح زي ما احنا شايفين كيف يتم تحديد مكان العضو المستهدف طبعا هون بكون خلصنا الجزء الثاني من المحاضره طبعا كان هو جزء طويل لانه راجعنا في المقدمه وان شاء الله نلتقي بكم في الجزء الثالث والسلام عليكم ورحمه الله وبركاته