محققان در یک دستاورد تازه، مدلی مبتنی بر DINOv2 را برای شناسایی «اختلال شناختی خفیف» (MCI) معرفی کردهاند. این مدل با استفاده از یک معماری بهینه (Parameter-efficient) و تنها با استفاده از ۱.۱۹ میلیون پارامتر، میتواند از طریق بررسی نقاشیهای تستهای عصبی-روانشناختی، علائم اولیه زوال عقل را تشخیص دهد.
نکته جذاب این روش، استفاده از «نقشههای توجه» برای تفسیرپذیری (Explainability) است؛ یعنی مدل فقط به نتیجه بسنده نمیکند و مشخص میکند کدام بخش از تصویر برای تشخیص مهم بوده است. این گام بزرگی برای استفاده از هوش مصنوعی در محیطهای بالینی و کمک به پزشکان است. 🩺✨
منبع: arXiv Computer Vision