محققان در یک پژوهش جدید، از مدلهای یادگیری ماشین برای بهبود دقت اسکنرهای PET (PET scanners) استفاده کردهاند. با استفاده از الگوریتمهایی مثل XGBoost، این مدلها توانستهاند نویزهای ناشی از پراکندگی فوتونها را در دادههای خام تصویربرداری بهطور موثری کاهش دهند.
این نوآوری به پزشکان کمک میکند تا با حذف خطاهای رایج در اسکنهای پیچیده، تصاویر دقیقتر و باکیفیتتری برای تشخیص بیماریها در اختیار داشته باشند. هوش مصنوعی باز هم ثابت کرد که میتواند در حوزههای حساس پزشکی، راهکارهای دقیقتری نسبت به روشهای سنتی ارائه دهد. 🏥✨
منبع: arXiv Computer Vision