محققان در مقاله جدیدی، چارچوب نوآورانهای را معرفی کردهاند که میتواند دقت بخشبندی (Segmentation) دادههای حجیم پزشکی را بدون نیاز به آموزش مدلهای سنگین یا روشهای پرهزینه، بهشدت افزایش دهد.
این متد جدید با استفاده از «همبستگی زمانی و ساختاری»، نویزهای موجود در نقشههای فعالسازی (CAM) را حذف کرده و عملکرد سیستمهای یادگیری ضعیف (Weakly Supervised) را تا ۲۰٪ در شاخص Dice بهبود میبخشد. نکته جذاب اینجاست که این روش با کاهش ۵ برابری زمان استنتاج، میتواند یک جهش بزرگ در ابزارهای تصویربرداری پزشکی باشد. 🧬🤖
منبع: arXiv Computer Vision