3D convolution

Трёхмерная свёртка (3D convolution) — это операция, которая сканирует объём данных трёхмерным фильтром, извлекая закономерности сразу из трёх пространственных измерений. Если обычная свёртка работает с плоскими изображениями, то трёхмерная добавляет глубину, например, время или серию срезов.

Зачем она нужна? Многие реальные объекты имеют объёмную природу: медицинские томограммы, видео, данные с датчиков. Чтобы нейросеть могла понять структуру такого объекта, ей нужно видеть не один срез, а всю его трёхмерную картину. 3D-свёртка позволяет модели учитывать связи между соседними точками во всех направлениях — это критично для точного анализа.

Как это работает? Представьте, что у вас есть кубик из чисел — например, стек из двадцати чёрно-белых фотографий. Обычный фильтр в 2D скользит по одной картинке и ищет узоры. Трёхмерный фильтр — это маленький кубик, который перемещается по всему стеку, захватывая участки сразу в нескольких срезах. В каждой позиции он перемножает свои веса на значения точек и суммирует результат, создавая новое число. Так фильтр учится реагировать на объёмные признаки: движения, формы, изменения во времени.

Пример: в медицине 3D-свёртки применяют для анализа компьютерной томографии лёгких. Нейросеть получает серию срезов, собранных в объём, и с помощью трёхмерных фильтров находит узелки, которые выглядят как маленькие шарики. Плоский фильтр увидел бы только круг на одном срезе, а объёмный — и размер, и плотность, и связь с окружающей тканью.

Вывод: 3D-свёртка — это способ научить сеть «мыслить объёмом». Она помогает решать задачи, где данные имеют три измерения, и сегодня без неё не обходится ни современная диагностика, ни анализ видео.