محققان در یک پژوهش جدید، فریمورک نوآورانه «TRACE-Seg3D» را برای تحلیل دقیقتر تصاویر پزشکی سهبعدی معرفی کردهاند. یکی از بزرگترین چالشهای مدلهای فعلی، حساسیت بیش از حد به تغییرات دستگاههای اسکنر یا پروتکلهای بیمارستانی است که باعث میشود مدل در شرایط واقعی دچار خطا شود.
این ابزار جدید با استفاده از «حسابرسی بافتار متضاد» (Counterfactual Context Auditing)، پایداری مدل را در شرایط مختلف بررسی کرده و به جای تکیه صرف بر معیارهای عددی، واقعگرایی آناتومیک و قابلاطمینان بودن تشخیصها را تضمین میکند. گام مهمی دیگر برای انتقال هوش مصنوعی از آزمایشگاه به کلینیکهای واقعی! 🏥✨
منبع: arXiv Computer Vision