بهبود دقت تشخیص‌های پیش از تولد با آموزش تقارن به هوش مصنوعی
محققان MIT و بیمارستان کودکان بوستون مدل هوش مصنوعی جدیدی به نام E(3)-Pose توسعه داده‌اند که با در نظر گرفتن تقارن فیزیکی سر جنین، حرکت‌ها را در حین اسکن اولتراسوند و MRI جبران می‌کند. این فناوری به پزشکان کمک می‌کند تصاویر واضح‌تری به دست آورند و نیاز به مراجعات مکرر خانواده‌ها را کاهش دهد.
توسعه جنین انسان فرآیندی پیچیده است که می‌تواند با ناهنجاری‌های مختلفی روبه‌رو شود. در سونوگرافی‌های روتین، پزشکان ممکن است ناهنجاری‌های مغزی را شناسایی کنند و برای بررسی بیشتر تصویربرداری MRI را پیشنهاد دهند، اما نقص در تصویربرداری می‌تواند به تشخیص‌های نادرست یا از دست رفته منجر شود.
برای کمک به تشخیص زودهنگام، محققان MIT، بیمارستان کودکان بوستون و Inria مدل یادگیری عمیقی به نام E(3)-Pose را توسعه داده‌اند که به تصویربرداری از سر جنین در حال حرکت کمک می‌کند. در بررسی‌های پیش از تولد، تصاویر دوبعدی روی هم قرار می‌گیرند تا یک تصویر سه‌بعدی کامل تشکیل شود، اما جابه‌جایی سر جنین باعث ایجاد شکاف و زوایای نامتعارف در تصویر نهایی می‌شود که تشخیص بیماری‌ها را دشوار می‌سازد.
ویژگی کلیدی E(3)-Pose تمرکز آن بر فیزیک و تقارن چپ و راست سر جنین است که مستقیماً در معماری شبکه عصبی تعبیه شده است. این رویکرد به مدل اجازه می‌دهد جهت‌گیری مغز را با دقت بیشتری شناسایی کند.
این پروژه با چالش‌های فنی فراوانی از جمله کار با سخت‌افزار اسکنر و پیاده‌سازی مدل روی آن مواجه بود. محققان امیدوارند در آینده این مدل را برای جنین‌های کوچک‌تر در سه ماهه دوم بارداری نیز توسعه دهند؛ چرا که تشخیص زودهنگام ناهنجاری‌ها مداخله را آسان‌تر می‌کند.
گزارش فارسی این خبر با کمک هوش مصنوعی و فقط بر اساس اطلاعات منتشرشده در منبع تهیه شده است.