با استفاده مجدد از زبالههای زیستی:
آینده جهان با هوش مصنوعی (۱۹۸)؛
هوش مصنوعی تصاویر پزشکی را در چند ثانیه تقسیم بندی می‌کند
پژوهشگران مؤسسه فناوری ماساچوست (ام آی تی) با همکاری دانشکده پزشکی هاروارد، یک ابزار خلاقانه هوش مصنوعی طراحی کرده‌اند که می‌تواند تصاویر پزشکی را در چند ثانیه و با دقت بالا تقسیم‌بندی کند.
به گزارش خبرگزاری علم و فناوری آنا به نقل از اینترستینگ اینجینیرینگ، ابزار جدیدی که محققان حوزه پزشکی طراحی کرده‌اند «اسکریبل پرامپت» (ScribblePrompt) نام دارد با توانایی تقسیم‌بندی تصاویر پزشکی در عرض چند ثانیه، باعث می‌شود که زمان حاشیه‌نویسی و یادداشت‌برداری در امور پزشکی تا ۲۸ درصد کاهش پیدا کند.
«اسکریبل پرامپت» با آسان‌سازی تجزیه و تحلیل سریع و دقیق تصویر، کمک ارزشمندی به متخصصان پزشکی می‌کند و با تأکید بر ساختار‌های تشریحی موجود در انواع مختلف اسکن، گردش کار آنها را بهبود می‌بخشد. در نتیجه، به تشخیص بیماری در نقاط حیاتی و از جمله ناهنجاری‌های بالقوه که ممکن است به بررسی بیشتر نیاز داشته باشد، کمک زیادی می‌کند.
«اسکریبل پرامپت» با در نظر گرفتن تعامل با کاربر طراحی شده است و به پزشکان مراقبت‌های بهداشتی اجازه می‌دهد تصاویر پزشکی را به‌راحتی حاشیه‌نویسی کنند. کاربران می‌توانند به سادگی با نوشتن یا کلیک بر روی مناطق خاصی که می‌خواهند بخش‌بندی شوند، هدف خود را به طور مؤثر به سیستم منتقل کنند.
این ابزار می‌تواند ساختار‌های مختلف، مانند تومور‌ها در اسکن ام آر آی یا سیاهرگ‌ها در تصاویر شبکیه، را با دقت علامت‌گذاری کند و خروجی‌های آن را در لحظه و بر اساس اصلاحات و ورودی کاربر تطبیق دهد. این عملکرد خود اصلاحی به طور قابل توجهی به محبوبیت روزافزون آن کمک کرده است، به ویژه در میان محققان تصویربرداری عصبی که آن را بسیار مؤثر می‌دانند. در واقع، ۹۳.۸ درصد از این کاربران، «اسکریبل پرامپت» را به مدل‌های فعلی، ترجیح می‌دهند که بر اثربخشی آن و رضایت کاربر تأکید دارد.
توسعه این ابزار قدرتمند شامل آموزش گسترده بر مجموعه داده‌های عظیم متشکل از انواع مختلف اسکن پزشکی و شبیه‌سازیِ بیش از ۵۰ هزار اسکن پزشکی مختلف است که تصاویر ام آر آی، سونوگرافی و سایر روش‌های تصویربرداری مرتبط را نیز شامل می‌شود که همگی بدون نیاز به جمع‌آوری دستی داده‌ها انجام می‌شوند و در نتیجه فرآیند تحقیق را ساده می‌کنند.
«اسکریبل پرامپت» با به‌کارگیری الگوریتم‌های پیشرفته سوپرپیکسلی در شناسایی ساختار‌های تشریحی دست بالا را دارد و با تشخیص نقاطی که پتانسیل بیماری‌زایی دارند می‌تواند قلمرو اکتشافات را گسترش دهد.
انتهای پیام/
