محققان در یک دستاورد تازه، متد «K-NeAS» را معرفی کردهاند که انقلابی در بازسازی تصاویر CT ایجاد میکند. این مدل با استفاده از توابع فاصله علامتدار (Neural SDFs)، محدودیتهای مدلهای قبلی را در بازسازی همزمان چندین بافت در تصاویر پزشکی از بین برده است.
ویژگیهای کلیدی این تکنیک:
✅ افزایش دقت در بازسازی سهبعدی بافتهای پیچیده (مانند شکم).
✅ حذف نیاز به تنظیمات دستی آزاردهنده برای تعیین مرزهای جذب پرتو.
✅ عملکرد عالی در سناریوهای با دادههای محدود (Sparse-view) و کاهش خطرات تابش اشعه برای بیمار.
این مدل با استفاده از معماری نوین خود، گام مهمی در تشخیصهای دقیقتر و ایمنتر پزشکی با کمک هوش مصنوعی برداشته است. 🤖✨
منبع: arXiv Computer Vision