به گزارش خبرگزاری ایمنا، نتایج یک پژوهش علمی که با حمایت بنیاد ملی علم ایران در یکی از دانشگاههای کشور انجام شده است، از ارائه روشی نوین برای استخراج و تحلیل دادههای پزشکی با استفاده از هوش مصنوعی خبر میدهد؛ روشی که میتواند دقت تشخیص و دستهبندی انواع سرطان را نسبت به روشهای متداول بهبود دهد.
در این پژوهش، مدلی دوسطحی مبتنی بر یادگیری عمیق، انتقال یادگیری و یادگیری جمعی طراحی شده است که با استخراج ویژگیهای کلیدی از تصاویر پزشکی و حذف دادههای غیرضروری، عملکرد سامانههای هوشمند را در شناسایی بیماریهای سرطانی ارتقا میدهد.
بر اساس نتایج این تحقیق، در مرحله نخست با استفاده از شبکههای عصبی و روشهای پیشرفته پردازش تصویر، نواحی دارای تودههای سرطانی در تصاویر پزشکی مربوط به سرطانهایی همچون پستان، مغز و خون شناسایی و تفکیک میشود، سپس ویژگیهای هندسی، بافتی و مکانی این تصاویر استخراج و با بهرهگیری از روشهای بهینهسازی، حجم دادهها کاهش مییابد تا فرآیند تحلیل با سرعت و دقت بیشتری انجام شود.
در مرحله نهایی نیز با ادغام اطلاعات استخراجشده و استفاده از الگوریتمهای هوشمند، فرآیند دستهبندی و پیشبینی سرطان با دقت بالاتری صورت میگیرد. همچنین این روش در تحلیل تصاویر پاتولوژی و ماموگرافی سرطان پستان نیز نتایج امیدوارکنندهای به همراه داشته است.
پژوهشگران معتقدند توسعه چنین فناوریهایی میتواند نقش مهمی در تشخیص زودهنگام سرطان، افزایش دقت تصمیمگیریهای پزشکی و بهبود روند درمان ایفا کند، با این حال موفقیت سامانههای مبتنی بر هوش مصنوعی در حوزه سلامت، به وجود دادههای پزشکی استاندارد، دقیق و یکپارچه وابسته است؛ موضوعی که به گفته متخصصان، نیازمند سرمایهگذاری بیشتر در زیرساختهای داده، استانداردسازی اطلاعات پزشکی و توسعه مراکز تخصصی برای گردآوری و اعتبارسنجی دادههای مرتبط با سرطان است.
نظر شما