محققان در یک دستاورد جدید، روشی نوآورانه برای بهبود عملکرد سیستمهای «کمکتشخیص» (CAD) در ماموگرافی ارائه دادهاند. چالش اصلی در مدلهای پزشکی، «تغییر دامنه» است؛ یعنی مدلی که در یک مرکز درمانی عالی عمل میکند، ممکن است در مرکز دیگری با تجهیزات متفاوت دچار خطا شود.
در این پژوهش، دانشمندان با ترکیب «یادگیری بدون نظارت» (Unsupervised Domain Adaptation) و معماری قدرتمند «Swin Transformer»، مدلی ساختند که میتواند بدون نیاز به برچسبگذاری جدید، خود را با دادههای دستگاههای مختلف سازگار کند. این مدل با موفقیت روی دادههای چندین مرکز معتبر (مثل OPTIMAM و Duke) تست شده و دقت تشخیص را به طور چشمگیری افزایش داده است. این یعنی گامی مهم به سوی سیستمهای پزشکیِ عمومیتر و قابلاعتمادتر برای پزشکان! 🏥🤖
منبع: arXiv Computer Vision