محققان در پژوهشی جدید، با بهرهگیری از هوش مصنوعی، دقت شناسایی تومورهای باقیمانده پس از عمل جراحی گلیوما (glioma) را به شکل قابل توجهی افزایش دادهاند. چالش اصلی در این حوزه، ناپایداری مدلها در مواجهه با دادههای مختلف کلینیکی بود.
تیم پژوهشی با معرفی ماژول جدیدی به نام SACA و استفاده از یادگیری کنتراستیو (Contrastive Learning)، توانستهاند حساسیت تشخیص تومورهای فعال را به میزان چشمگیری بهبود بخشند. این دستاورد، گام بزرگی برای پزشکان در تشخیص زودهنگام عود تومور و بهبود برنامهریزی درمان بیماران است.
منبع: arXiv Computer Vision