3D Medical Point Transformer: إدخال التفاف إلى شبكات الانتباه لتحليل السحابة الطبية النقطية

تمت دراسة السحابات النقطية العامة بشكل متزايد لأداء مهام مختلفة، وأخيرًا تم اقتراح شبكات مستندة إلى Transformer لتحليل السحابات النقطية. ومع ذلك، فإن الأعمال ذات الصلة بالسحابات النقطية الطبية، والتي تلعب دورًا مهمًا في اكتشاف وعلاج الأمراض، لا تزال نادرة. في هذا العمل، نقترح نموذجًا يستند إلى الانتباه محددًا للسحابات النقطية الطبية، يُطلق عليه 3D medical point Transformer (3DMedPT)، لفحص الهياكل البيولوجية المعقدة. من خلال تعزيز المعلومات السياقية وتلخيص الاستجابات المحلية عند الاستعلام، يمكن لمودول الانتباه لدينا التقاط التفاعلات بين الخصائص المحلية والسياق العالمي. ومع ذلك، قد يؤدي عدم كفاية عينات التدريب للبيانات الطبية إلى تعلم خصائص ضعيفة، لذلك نطبق التضمين الموضعي لتعلم الهندسة المحلية بدقة وMulti-Graph Reasoning (MGR) لفحص انتشار المعرفة العالمية عبر الرسوم البيانية القنوات لتغني الخصائص التمثيلية. أثبتت التجارب التي أجريت على مجموعة بيانات IntrA تفوق 3DMedPT، حيث حققنا أفضل النتائج في تصنيف وتقسيم البيانات. بالإضافة إلى ذلك، تم التحقق من قدرة طريقة تقنيننا الواعدة على التعميم على مقاييس السحابات النقطية ثلاثية الأبعاد العامة: ModelNet40 وShapeNetPart. تم إصدار الكود.