یکی از چالشهای اصلی در استفاده از یادگیری عمیق در پزشکی، تغییرات شدت پیکسلها در تصاویر MRI دستگاههای مختلف است. محققان در پژوهش جدید خود، ۷ روش مختلف «نرمالسازی شدت» (Intensity Normalisation) را روی مدلهای سهبعدی U-Net برای تشخیص مینیسک زانو بررسی کردهاند.
نتایج نشان میدهد که اگرچه تکنیکهایی مثل Z-score و CLAHE میتوانند به پایداری بیشتر مدل در مواجهه با دادههای جدید کمک کنند، اما هنوز شکاف بزرگی در عملکرد مدلها هنگام انتقال بین دیتاسِتهای مختلف وجود دارد. این تحقیق نشان میدهد برای استفاده بالینی واقعی از هوش مصنوعی، باید فراتر از نرمالسازی ساده رفت و استراتژیهای جامعتری برای مقابله با تغییرات دامنه دادهها (Domain Shift) در نظر گرفت. 🩺🤖
منبع: arXiv AI