محققان در پژوهشی جدید، روشی نوآورانه برای شناسایی و اصلاح «نویز» در دادههای پزشکی (Annotation Noise) معرفی کردهاند. در تصویربرداریهای پزشکی مثل اسکنهای CT، اغلب دادهها فقط یکبار توسط انسان برچسبگذاری میشوند که این موضوع ریسک خطا را بالا میبرد.
این فریمورک جدید با استفاده از «ثباتسنجی مقطعی»، ساختارهای مشابه در رگها و اندامها را تحلیل کرده و با مقایسه آنها، برچسبهای اشتباه یا غیرقابلاعتماد را شناسایی میکند. این یعنی:
✅ دقت بالاتر در تشخیصهای پزشکی
✅ آموزش مدلهای هوشمند با دادههای باکیفیتتر
✅ ارائه مدارک قابلاعتماد برای پزشکان در صورت بروز خطا
این دستاورد گامی بزرگ برای تبدیل هوش مصنوعی به بازویِ مطمئنتر کادر درمان است. 🏥✨
منبع: arXiv AI