Ana sayfa/Sağlık

HFFS-Net, inme lezyonlarını MR görüntülerinde yapay zekâyla haritaladı

Mekânsal tutarlılık ve çok ölçekli özellikleri birleştiren HFFS-Net, farklı büyüklükteki inme lezyonlarını MR görüntülerinde yüzde 84,33 Dice skoruyla segmentlere ayırdı.

HFFS-Net, inme lezyonlarını MR görüntülerinde yapay zekâyla haritaladı için özgün kapak görseli
KISA ÖZET

Bilmen gereken 3 şey

  • HFFS-Net, adversarial yardımcı kodlayıcıyla tahmin edilen lezyonların MR görüntüsündeki gerçek mekânsal dağılıma daha iyi uymasını hedefliyor.
  • Hiyerarşik genişletilmiş alıcı alanlar, küçük ve düzensiz inme bölgelerindeki ince ayrıntıların yakalanmasını güçlendiriyor.
  • Farklı lezyon büyüklükleri içeren testlerde yüzde 84,33 Dice ve yüzde 85,44 duyarlılık elde edildi.
YAPAY ZEKÂ ETKİ KARTI

Bu gelişme nereyi etkiliyor?

ETKİ
ANALİZİ
Toplum92/100
Bilim90/100
Günlük yaşam78/100
Ekonomi66/100

Bu puanlar haberin kapsamı, etkilenen kişi ve sektörler ile kısa–orta vadeli sonuçları dikkate alınarak editoryal olarak hazırlanır.

Ne oldu?

İnme lezyonlarının şekli, büyüklüğü ve kontrastı hastadan hastaya değişebildiği için otomatik segmentasyon zorlaşıyor. Araştırmacılar yerel ayrıntılarla yüksek boyutlu dağılım bilgisini aynı çerçevede birleştirdi.

Sonuçlar kontrollü veri setlerinde elde edildi ve klinik kararların otomatikleştirilmesi anlamına gelmiyor. Farklı hastaneler, tarayıcılar ve akut–kronik inme gruplarında ileriye dönük dış doğrulama gerekiyor.

Neden önemli?

Lezyon hacminin hızlı ve tekrarlanabilir ölçümü tanı, prognoz ve rehabilitasyon planlamasını destekleyebilir. Modelin asıl değeri, farklı merkezlerde uzman ölçümleriyle tutarlı çalıştığı gösterildiğinde ortaya çıkacak.

KONU ZAMAN ÇİZELGESİ

Sağlık gündemi nasıl ilerledi?

RESMÎ KAYNAKScientific Reports

Haberin dayandığı özgün duyuruyu inceleyebilirsin.

Kaynağı aç
OKUMAYA DEVAM ET

Haber akışı devam ediyor

Aşağı kaydırdıkça sıradaki yapay zekâ haberleri otomatik olarak açılır.

SIRADAKİ HABER01

Dil modelleri, günlüklerden depresyon düzeyindeki değişimi izledi

108 katılımcının 14–21 günlük video günlüklerini inceleyen büyük dil modelleri, günlük depresyon puanları üretti; ortalama model puanları klinik görüşmeyle ölçülen belirti şiddetiyle ilişki gösterdi.

Dil modelleri, günlüklerden depresyon düzeyindeki değişimi izledi kapak görseli

Ne oldu?

Araştırmacılar videonun görüntüsünü değil, kısa günlüklerin yazıya dökülmüş metinlerini dil modellerine vererek günlük depresyon şiddeti puanladı. Model ve öz bildirim puanlarının işlevsellik değişkenleriyle ilişki profilleri birbirine oldukça yakındı.

İlişki, tanı doğruluğu anlamına gelmiyor. Örneklem küçük, günlükler araştırma koşullarında toplandı ve dil modelleri mahrem metinleri işliyor; klinik kullanım için farklı dil ve topluluklarda doğrulama, veri koruması ve uzman denetimi gerekiyor.

Neden önemli?

Depresyon belirtileri haftalık veya aylık ölçekler arasında hızla değişebilir. Serbest anlatımdan güvenli ve şeffaf biçimde türetilen ölçümler, kişinin durumunu daha sık izlemeye yardımcı olabilir; ancak hekim değerlendirmesinin yerine geçmemeli.

Sıradaki haber hazırlanıyor…

YAPAY ZEKÂ ▲38%APPLE ▲21%ROBOTİK ▲17%ÇİP ▲12%OYUN ▼8%SİBER GÜVENLİK ▲24%