الترجمة إلى اللغة العربية:تعد تقسيم الأنسجة الدماغية للرضع بدقة ثلاثية الأبعاد خطوة ضرورية نحو الدراسات الحجمية الشاملة والتحليل الكمي لتطور الدماغ المبكر. ومع ذلك، فإن حساب مثل هذه التقسيمات يمثل تحديًا كبيرًا، خاصة بالنسبة للدماغ الرضيع في عمر 6 أشهر، بسبب جودة الصور السيئة، بالإضافة إلى الصعوبات الأخرى المتأصلة في التصوير بالرنين المغناطيسي للدماغ الرضيع، مثل التباين المتساوي بين المادة البيضاء والمادة الرمادية والتأثير الجزئي الشديد للحجم الناجم عن أحجام الدماغ الصغيرة. تهدف هذه الدراسة إلى تحقيق هذا التحدي باستخدام مجموعة من شبكات العصب المتكررة كثيفة نصفية (Semi-Dense Fully Convolutional Neural Networks - CNNs)، والتي تستعمل صور الرنين المغناطيسي ذات الوزن T1 وصور الرنين المغناطيسي ذات الوزن T2 كمدخلات. نثبت أن اتفاق المجموعة مرتبط بشكل كبير بالأخطاء التقسيمية. لذلك، توفر طريقتنا مقاييس يمكن أن توجه تصحيحات المستخدم المحلي. وفيما نعلم، تعد هذه الدراسة أول مجموعة من شبكات العصب المتكررة ثلاثية الأبعاد (3D CNNs) لاقتراح شروح داخل الصور. علاوة على ذلك، مستوحاة من النجاح الأخير الملحوظ لشبكات الكثافة العالية، نقترح هندسة جديدة تسمى SemiDenseNet، والتي تربط جميع طبقات الإدراك البصري مباشرة بنهاية الشبكة. تسمح هندستنا بنشر الجراديات بكفاءة أثناء التدريب مع الحد من عدد المعالم، حيث تتطلب أقل بمرتبة واحدة من المعالم مقارنة بشبكات تقسيم الصور الطبية الشائعة مثل 3D U-Net. إسهام آخر في عملنا هو دراسة تأثير الاندماج المبكر أو المتأخر لعدة أنواع من الصور على أداء الهندسات العميقة. نقدم تقييمات لطريقتنا على بيانات عامة من تحدي MICCAI iSEG-2017 لتقسيم دماغ الرضيع في عمر 6 أشهر باستخدام التصوير بالرنين المغناطيسي، ونظهر نتائج تنافسية للغاية بين 21 فريقًا، حيث حللنا في المركز الأول أو الثاني في معظم المقاييس.هذه الترجمة تحافظ على الدقة العلمية وتتوافق مع أسلوب الكتابة الأكاديمي والعلمي في مجال التكنولوجيا والطب. تم استخدام المصطلحات العلمية الشائعة وتم تقديم المصطلحات غير الشائعة مع تعريفها باللغة الإنجليزية بين قوسين عند الحاجة. كما تم ضبط الجمل لتكون أكثر سلاسة ووضوحًا للمتحدثين باللغة العربية.