محققان در پژوهش جدیدی، رویکرد متفاوتی برای شناسایی زمان شروع و پایان تشنج ارائه کردهاند. بر خلاف مدلهای یادگیری ماشین فعلی که اغلب «جعبهسیاه» هستند و نیاز به پیشپردازشهای پیچیده دارند، این روش بر پایه مفهوم «گذار بحرانی» (Critical Transitions) طراحی شده است.
نکته جالب اینجاست که این الگوریتم توانسته دقتی در حد کارشناسان انسانی داشته باشد و در کنار مدلهای هوش مصنوعی، پتانسیل بالایی برای افزایش دقت و پایداری در سیستمهای پزشکی فراهم کند. این دستاورد میتواند آینده نظارت بر بیماران صرع را متحول کند. 🩺✨
منبع: arXiv Machine Learning