محققان در یک دستاورد جدید، ابزار متنباز و قدرتمندی به نام BoneAgeTW2 را معرفی کردهاند که میتواند فرایند دشوار و زمانبر ارزیابی بلوغ اسکلتی را در رادیوگرافیهای دست بهصورت خودکار انجام دهد.
این سیستم با استفاده از ترکیب مدلهای YOLOv8 و EfficientNet-B3، نه تنها مرحله بلوغ هر ۲۰ استخوان دست را با دقت تشخیص میدهد، بلکه بهطور خودکار گزارشهای بالینی دقیق به همراه نمودارهای آماری توزیع گاوسی تولید میکند. این ابزار گام بزرگی برای کمک به پزشکان در تشخیص سریعتر و دقیقتر ناهنجاریهای رشد در کودکان است.
🔗 جزئیات فنی و دسترسی به کد پروژه در گیتهاب:
https://github.com/jmmana/BoneAgeTW2
منبع: arXiv Computer Vision