محققان در یک پژوهش جدید، چارچوب یادگیری بازنمایی (Representation Learning) ابداع کردهاند که به مدلهای هوش مصنوعی اجازه میدهد تصاویر PET بیماران سرطانی را با دقت بسیار بالاتری تحلیل کنند.
نکته جذاب اینجاست که این مدل با استفاده از اطلاعات پاتولوژیک (نمونهبرداری بافتی H&E) آموزش دیده، اما در زمان استفاده نهایی، تنها به تصاویر PET نیاز دارد. این یعنی بدون نیاز به آزمایشهای تهاجمی اضافی در هنگام تشخیص، میتوان جزئیات دقیقتری از تومورها و ناهمگونیهای داخل بافت آنها را شناسایی کرد.
این روش با تمرکز بر «نقاط داغ» (Hotspots) تومور، عملکرد سیستمهای خودکار تشخیص تصویر را در مقایسه با روشهای سنتی به شکل چشمگیری بهبود بخشیده است. گامی دیگر برای تشخیص دقیقتر و درمان شخصیسازیشده سرطان! 🧬✨
منبع: arXiv Computer Vision