HyperAIHyperAI
منذ 11 أيام

التمييز بدون تسمية لورم الكبد

Qixin Hu, Yixiong Chen, Junfei Xiao, Shuwen Sun, Jieneng Chen, Alan Yuille, Zongwei Zhou
التمييز بدون تسمية لورم الكبد
الملخص

نُظهر أن نماذج الذكاء الاصطناعي قادرة على تقسيم الأورام الكبدية بدقة دون الحاجة إلى التصنيف اليدوي، وذلك باستخدام أورام اصطناعية في صور التصوير المقطعي المحوسب (CT). تتمتع أورامنا الاصطناعية بميزتين مثيرتين للاهتمام: (1) واقعية من حيث الشكل والملمس، بحيث يصعب حتى على المهنيين الطبيين التمييز بينها وبين الأورام الحقيقية؛ (2) فعّالة في تدريب نماذج الذكاء الاصطناعي، حيث يمكن للنماذج المدربة عليها أن تُنجز تقسيم الأورام الكبدية بنفس الكفاءة التي تُظهرها النماذج المدربة على الأورام الحقيقية — وهي نتيجة مثيرة، إذ لم تُسجّل أي دراسة سابقة تعتمد فقط على أورام اصطناعية أداءً يُشبه أو يقترب من أداء النماذج المدربة على أورام حقيقية. وتدل هذه النتيجة أيضًا على أن الجهد اليدوي المطلوب لتصنيف الأورام بحجم البكسل الواحد (الذي استغرق سنوات لإنشائه) يمكن تقليله بشكل كبير في المستقبل. علاوةً على ذلك، تتيح أورامنا الاصطناعية إنشاء عدد كبير تلقائيًا من الأمثلة الخاصة بالأورام الصغيرة (أو حتى الصغيرة جدًا)، وتملك القدرة على تحسين معدل نجاح اكتشاف الأورام الكبدية الصغيرة، وهو أمر بالغ الأهمية لاكتشاف مراحل مبكرة من السرطان. وبالإضافة إلى تثريتها لبيانات التدريب، يتيح لنا أيضًا نهج التوليد الاصطناعي إجراء تقييم دقيق وصارم لقدرة نماذج الذكاء الاصطناعي على التحمل (الاستقرار أمام التغيرات والتحديات).

التمييز بدون تسمية لورم الكبد | أحدث الأوراق البحثية | HyperAI