شفقناافغانستان– یک سیستم هوش مصنوعی جدید با تولید دادههای آموزشی مصنوعی، در حال متحول کردن فرآیند تقسیمبندی تصاویر پزشکی است. این فناوری که توسط پژوهشگران دانشگاه کالیفرنیا، سن دیگو توسعه یافته، نیاز به دادههای واقعی را تا ۲۰ برابر کاهش میدهد و در عین حال، دقت تشخیص را بین ۱۰ تا ۲۰ درصد افزایش میدهد. این ابزار میتواند فرآیند تشخیص بیماریها را سریعتر و ارزانتر کند و دسترسی به فناوریهای پیشرفته پزشکی را برای مراکز درمانی بیشتری فراهم سازد.
به گزارش سرویس ترجمه شفقنا، تقسیمبندی تصاویر پزشکی، فرآیندی حیاتی است که در آن متخصصان، مرزهای یک تومور را از اندامها یا بافتهای مختلف در تصاویر پزشکی مشخص میکنند. در سالهای اخیر، مدلهای یادگیری عمیق این کار را سریعتر کردهاند، اما به حجم عظیمی از دادههای برچسبگذاریشده نیاز دارند. این نیاز، تبدیل به یک معضل در مسیر این پیشرفت شده است، چرا که بسیاری از بیمارستانها قادر به جمعآوری هزاران تصویر برچسبگذاریشده توسط متخصصان، به ویژه برای بیماریهای نادر، نیستند.
سیستم هوش مصنوعی جدید، این مشکل را با یک رویکرد هوشمندانه حل میکند. این ابزار به جای نیاز به هزاران تصویر، میتواند تنها با چند ده تصویر برچسبگذاریشده توسط متخصص، آموزش ببیند. سپس، بر اساس این دانش اولیه، شروع به تولید تصاویر آموزشی مصنوعی میکند. در یک حلقه بازخورد، این تصاویر جدید به طور مداوم کیفیت خود را بهبود میبخشند تا دقت مدل هوش مصنوعی برای تقسیمبندی تصاویر واقعی را به حداکثر برسانند. به این ترتیب، این فناوری میتواند با دادههای بسیار کمتر، عملکردی به مراتب بهتر داشته باشد.
این سیستم در ۱۱ حوزه مختلف پزشکی و با ۱۹ مجموعه داده آزمایش شد و نتایج آن در همه موارد چشمگیر بود. این هوش مصنوعی توانست ضایعات پوستی، سرطان سینه، پولیپهای روده بزرگ و زخمهای پای دیابتی را با دقت بالا شناسایی کند.
به گفته محققان، این فناوری میتواند ابزاری قدرتمند برای پزشکان متخصص و همچنین کلینیکها و بیمارستانهای کوچک با منابع محدود باشد. توانایی این ابزار در یادگیری از نمونههای محدود، مانع اصلی بر سر راه فراگیر شدن هوش مصنوعی در پزشکی را از بین میبرد. این رویکرد جدید میتواند تشخیص بیماریها را سریعتر، ارزانتر و در دسترستر کند.
این خبر را اینجا ببینید.
