Bilim insanları, floresan mikroskopi görüntülerinde mikrotübül eğriliğini doğrudan ölçebilen MTCurv adlı yeni bir yapay zeka sistemi geliştirdi. Hücre iskeletinin önemli bileşenleri olan mikrotübüllerin eğrilik ölçümü, hücre mekaniğini ve hastalıklara bağlı morfolojik değişiklikleri anlamak için kritik öneme sahip. Geleneksel yöntemler gürültülü görüntülerde başarısız olurken, bu yeni sistem dikkat mekanizması kullanan derin öğrenme mimarisiyle segmentasyona gerek kalmadan doğrudan eğrilik haritası çıkarabiliyor. Sentetik veriler üzerinde eğitilen sistem, hücresel hastalıkların teşhisinde ve tedavisinde yeni olanaklar sunuyor.

Araştırmacılar, robotların hareketlerini daha iyi anlayabilmesi için M2R2 adlı yeni bir sistem geliştirdi. Bu sistem, robotların kendi iç sensörlerinden gelen bilgileri kamera görüntüleriyle birleştirerek hareket segmentasyonunu gerçekleştiriyor. Temporal hareket segmentasyonu, robotların karmaşık görevleri daha küçük parçalara ayırarak öğrenmesini sağlayan kritik bir teknoloji. Geleneksel yaklaşımlar ya sadece robot sensörlerine ya da sadece kamera verilerine odaklanıyordu, ancak M2R2 her iki veri türünü etkin şekilde harmanlıyor. Sistem, özellikle görünürlüğün kısıtlı olduğu cerrahi robotik gibi alanlarda önemli avantajlar sunuyor. Öğrenilen özelliklerin farklı modeller arasında yeniden kullanılabilmesi de sistemin önemli bir yeniliği olarak öne çıkıyor.

Otonom sürüş teknolojisinde kullanılan kuşbakışı görüş segmentasyon modellerinin farklı ortamlarda nasıl performans gösterdiği kapsamlı bir araştırmayla incelendi. Mevcut modellerin genellikle tek bir veri seti üzerinde eğitildiği ve bu durumun farklı çevre koşullarında başarısızlığa yol açtığı tespit edildi. Araştırmacılar, kamera ve LiDAR gibi farklı sensörlerin model performansına etkilerini analiz ederek, çoklu veri seti eğitiminin tek veri seti eğitimine göre daha başarılı sonuçlar verdiğini ortaya koydu. Bu çalışma, otonom araçların farklı şehir ve coğrafyalarda güvenli bir şekilde çalışabilmesi için kritik önem taşıyor.

Araştırmacılar, otonom araçların sürücü davranışlarını daha iyi taklit edebilmesi için yeni bir görsel dikkat tahmin sistemi geliştirdi. Mevcut sistemler sadece genel sahne görüntülerini analiz edebiliyordu, ancak yeni yaklaşım her bir nesneyi ayrı ayrı değerlendiriyor. G-W3DA adı verilen özel veri seti kullanılarak geliştirilen sistem, büyük dil modellerini görüntü segmentasyonu teknolojisi ile birleştiriyor. Bu sayede otonom araçlar, yalnızca nereye bakması gerektiğini değil, hangi nesnelere odaklanması gerektiğini de öğrenebiliyor. Sistem, sürücülerin dikkatini nesne düzeyinde modelleyerek daha güvenli ve insan benzeri sürüş davranışları sergileyebilir.

Araştırmacılar, uydu görüntülerinde nesneleri tespit etmek için yeni bir yapay zeka yaklaşımı geliştirdi. DiffuSAM adlı bu sistem, diffüzyon modelleri ile segmentasyon algoritmalarını birleştirerek uzaktan algılama görüntülerinde nesneleri daha hassas şekilde konumlandırıyor. Geleneksel yöntemlere kıyasla %14 oranında daha yüksek doğruluk elde eden bu teknoloji, karmaşık uydu görüntülerinde bile güvenilir nesne tespiti yapabiliyor. Bu gelişme, çevre izleme, şehir planlama ve afet yönetimi gibi alanlarda uydu verilerinin daha etkin kullanımını sağlayabilir.

Araştırmacılar, akciğer nodüllerinin tespiti için yeni bir yapay zeka yöntemi geliştirdi. Bu yöntem, geleneksel segmentasyon yaklaşımlarının aksine minimal veri etiketlemesi gerektiriyor. 3D rektifiye akış modellerini kullanan sistem, sadece görüntü düzeyinde etiketlerle çalışabiliyor ve uzmanların piksel bazında detaylı etiketleme yapmasına gerek kalmıyor. LUNA16 veri seti üzerinde yapılan testlerde, farklı boyut ve şekillerdeki akciğer nodüllerini başarıyla tespit edebildiği görülmüş. Bu gelişme, tıbbi görüntüleme alanında veri hazırlama süreçlerini önemli ölçüde hızlandırabilir ve maliyetleri düşürebilir. Özellikle erken teşhis açısından kritik olan akciğer nodüllerinin daha hızlı ve doğru tespiti, kanser tedavisinde önemli bir adım olarak değerlendiriliyor.

Araştırmacılar, prostat kanseri tespitinde kullanılan MR görüntülerinin bir kısmı eksik veya bozuk olsa bile doğru tanı koyabilen yeni bir yapay zeka sistemi geliştirdi. MIGF adı verilen bu sistem, farklı MR görüntü türlerini ayrı ayrı işleyip akıllı bir kapı mekanizmasıyla birleştiriyor. Klinik uygulamalarda sıkça karşılaşılan görüntü kalitesi sorunlarına rağmen prostat kanseri segmentasyonunda başarılı sonuçlar elde ediyor. Sistem, mevcut yapay zeka mimarilerine kolayca entegre edilebiliyor ve eksik veri durumlarında bile güvenilir performans gösteriyor. Bu gelişme, prostat kanseri erken teşhisinde yapay zekanın klinik kullanımını daha pratik hale getirebilir.

Beyin küçük damarlarındaki hastalıklar inme ve demans gibi ciddi sağlık sorunlarına yol açabiliyor. 7 Tesla MRI teknolojisi bu mikroskobik damarları görüntülemeyi mümkün kılsa da, yapay zeka algoritmaları için yeterli veri seti bulunmuyordu. ISBI 2023 konferansında düzenlenen SMILE-UHURA yarışması, araştırmacılara ultra yüksek çözünürlüklü beyin damar görüntüleri sunarken, otomatik segmentasyon algoritmalarının geliştirilmesini hedefliyor. Bu çalışma, serebral küçük damar hastalıklarının erken teşhisinde devrim yaratabilecek makine öğrenmesi yöntemlerinin geliştirilmesi için kritik bir adım teşkil ediyor.

URVIS 2026 yarışması, yapay zekanın zorlu hava koşullarında görüntü analizi yeteneklerini test eden ilk büyük ölçekli etkinlik olarak tamamlandı. Fırtına, kar ve aşırı yağış gibi ekstrem koşullarda çalışabilen görüntü segmentasyon algoritmaları üzerine düzenlenen yarışmaya 17 katılımcı kayıt yaptırdı ve toplam 47 çözüm sunuldu. MUSES veri seti kullanılarak gerçekleştirilen etkinlik, RGB kameralar, LiDAR, radar ve olay kameralarından elde edilen verileri harmanlayarak gerçek dünya koşullarını simüle etti. Yarışma sonuçları, mevcut yapay zeka sistemlerinin zorlu hava koşullarında hala önemli sınırlılıkları olduğunu gösterdi. Bu tür araştırmalar, otonom araçlar ve güvenlik sistemleri için kritik öneme sahip.

Dijital patolojide en büyük sorunlardan biri, farklı boyama tekniklerinin yapay zeka modellerinin performansını düşürmesidir. Araştırmacılar, bu sorunu çözmek için DSA-CycleGAN adında yeni bir yapay zeka sistemi geliştirdi. Bu teknoloji, böbrek hastalıklarının teşhisinde kritik olan glomerül yapılarının segmentasyonunda devrim yaratabilir. Geleneksel yöntemlerde her boyama tekniği için ayrı ayrı etiketleme yapmak pahalı ve zaman alıcıydı. Yeni sistem, tek bir boyama tekniğinden öğrendiği bilgileri diğer boyama tekniklerine başarıyla aktarabiliyor.

Araştırmacılar, tıbbi görüntü segmentasyonunu eğitim gerektirmeden iyileştiren SegTTA adlı yeni bir framework geliştirdi. Bu sistem, farklı hastanelerdeki ekipman ve operatör farklılıklarından kaynaklanan görüntü kalitesi sorunlarını çözmek için tasarlandı. Framework, gamma düzeltme, kontrast artırma, Gaussian bulanıklaştırma ve gürültü ekleme gibi dört farklı veri artırma tekniğini birleştiriyor. Sistemi test etmek için sağlıklı rahim segmentasyonu, rahim miyomu tespiti ve karaciğer yapıları segmentasyonu gibi üç farklı dataset kullanıldı. Sonuçlar, büyük organların yoğunluk artırımından, küçük lezyonların ise gürültü artırımından faydalandığını gösterdi. Bu yaklaşım, mevcut modelleri yeniden eğitmeye gerek kalmadan tıbbi görüntü analizi performansını artırabiliyor.