یکی از چالشهای بزرگ در یادگیری عمیق پزشکی، خطای انسانی در برچسبگذاری (Labeling) دادههاست که میتواند دقت مدلها را به شدت کاهش دهد. محققان به تازگی روشی ابداع کردهاند که با تحلیل «توابع هزینه» (Loss Functions) در طول دورههای آموزش، تصاویر با برچسب اشتباه را شناسایی میکند.
این روش نه تنها به بهبود کیفیت دادهها کمک میکند، بلکه در آزمایشها نشان داده که با تصحیح برچسبها، دقت مدلهای غربالگری بیماریهای چشم (مانند رتینوپاتی دیابتی) به میزان قابل توجهی افزایش مییابد. این گام بزرگی برای رسیدن به دقت «ایدهآل» در هوش مصنوعی پزشکی است! 🚀
منبع: arXiv AI