به گزارش شبکه اطلاع رسانی راه دانا؛ تیمی از پژوهشگران دانشگاه کالیفرنیا سن‌دیگو موفق به توسعه ابزاری از هوش مصنوعی شده‌اند که می‌تواند با کاهش ۸ تا ۲۰ برابری داده‌های آموزشی، فرایند «بخش‌بندی تصاویر پزشکی» را با دقت بالا انجام دهد. این روش، نیازی به هزاران تصویر برچسب‌گذاری‌شده ندارد و به‌ویژه برای مراکز درمانی با منابع محدود، گشایش بزرگی محسوب می‌شود.
در بخش‌بندی تصاویر پزشکی، هر پیکسل از تصویر (مانند MRI یا CT) باید مشخص کند چه نوع بافتی را نمایش می‌دهد؛ کاری که معمولاً توسط متخصصان و با هزینه و زمان بالا انجام می‌شود. اما سیستم جدید، با استفاده از ترکیب داده‌های واقعی و مصنوعی و یک حلقه بازخورد هوشمند، می‌تواند همان دقت را با داده‌های کمتر فراهم کند.
این ابزار تاکنون در مواردی مانند تشخیص سرطان پستان، زخم‌های پوستی، پولیپ‌های کولون، رگ‌های جفتی و حتی نقشه‌برداری از هیپوکامپ آزمایش شده و در محیط‌هایی با داده‌های محدود، تا ۲۰٪ عملکرد بهتری نسبت به روش‌های فعلی داشته است.
پژوهشگران اعلام کرده‌اند که قصد دارند نسخه‌های بعدی این سیستم را با بازخورد مستقیم پزشکان توسعه دهند تا داده‌های مصنوعی تولیدشده، کاربردی‌تر و نزدیک‌تر به واقعیت‌های بالینی باشند.
ارسال دیدگاه