“orman” için sonuçlar
60 sonuç bulundu. Sonuçları kategoriye göre daraltabilirsin.
Yapay zeka eksik hasta verilerini otomatik tamamlayarak tanı koyacak
Araştırmacılar, hasta verilerinde eksik bilgileri akıllıca işleyebilen yeni bir yapay zeka sistemi geliştirdi. Hastane ortamında bazı tetkik sonuçları, görüntüler veya vital bulgular eksik olabilir. Bu durum, doktorların karar vermesini zorlaştırdığı gibi yapay zeka sistemlerinin de performansını düşürür. Yeni yaklaşım, büyük dil modellerinde kullanılan tekniklerden ilham alarak hasta verilerini zaman içinde sıralı bir hikaye gibi işliyor. Sistem, eksik verilerin varlığını göz önünde bulundurarak farklı tıbbi veri türlerini birleştiriyor ve daha güvenilir tanı önerileri sunuyor. MIMIC-IV ve eICU gibi büyük hasta veri tabanları üzerinde yapılan testlerde, mevcut yöntemlere göre daha iyi sonuçlar elde edildi. Bu gelişme, özellikle acil servis ve yoğun bakım gibi verinin kısıtlı olduğu ortamlarda tıbbi yapay zeka uygulamalarının etkinliğini artırabilir.
Kalp Atışları Beyin Faaliyetinin Gizli Sırlarını Açığa Çıkarıyor
Bilim insanları, kalp atışlarındaki kaotik düzenleri analiz ederek beynin zihinsel yükünü ölçmenin yeni bir yolunu keşfetti. Bu devrim niteliğindeki yaklaşım, geleneksel yöntemlerin başarısız olduğu durumlarda bile zihinsel aktiviteyi invazif olmayan bir şekilde tespit edebiliyor. Araştırma, kalp ritmi ile beyin fonksiyonları arasındaki derin bağlantıyı ortaya koyuyor ve tıp dünyasında yeni ufuklar açıyor. Bu yöntem sayesinde, zihinsel yorgunluk, stres seviyeleri ve kognitif performans gibi durumlar kalp atışları üzerinden değerlendirilebilecek.
Kuantum yapay zeka meme kanseri teşhisinde çığır açtı
Araştırmacılar, meme kanseri teşhisinde kullanılan termografik görüntü analizi için devrim niteliğinde bir yapay zeka sistemi geliştirdi. Bu yeni sistem, kuantum bilgisayarların hesaplama gücünü klasik yapay zeka ağlarıyla birleştiren hibrit bir mimari kullanıyor. Geleneksel derin öğrenme yöntemlerinin karmaşık termal paternleri sınıflandırmada yaşadığı sınırlamaları aşmak için tasarlanan sistem, kuantum devrelerini çok başlı dikkat mekanizmalarıyla harmanlıyor. 4 kübit kullanan değişkensel kuantum devreleri ve güçlü dolanıklık katmanları ile desteklenen bu yaklaşım, meme kanseri termografik verilerinde mevcut en gelişmiş yöntemlere kıyasla önemli performans artışları gösterdi. Bu çalışma, kuantum hesaplamanın tıbbi görüntüleme alanındaki potansiyelini ortaya koyarken, erken tanı imkanlarını geliştirebilecek yeni nesil hibrit teknolojilerin önünü açıyor.
Yapay Zeka Bebek Kafası Tespitinde Yüzde 99 Başarı Elde Etti
Araştırmacılar, hamilelik dönemindeki ultrason görüntülerinde bebek kafasını tespit etmek için yeni bir yapay zeka modeli geliştirdi. Attention-ResUNet adı verilen bu sistem, geleneksel derin öğrenme yaklaşımlarının ultrason görüntülerindeki düşük kontrast, gürültü ve karmaşık anatomik sınırlar gibi zorluklarla başa çıkma sorunlarını çözmeyi hedefliyor. Yeni mimari, kalıntı öğrenme tekniğini çok ölçekli dikkat mekanizmalarıyla birleştirerek, anatomik olarak önemli bölgelere odaklanırken arka plan gürültüsünü bastırıyor. 200 görüntü içeren HC18 Challenge veri seti üzerinde yapılan testlerde sistem yüzde 99.30 Dice skoru elde ederek üstün performans sergiledi. Bu gelişme, doğum öncesi bakımda daha doğru biyometrik ölçümler yapılmasına olanak sağlayabilir.
Yapay Zeka Prostat Kanserini Eksik Görüntülerle de Tespit Edebiliyor
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.
Yapay Zeka ile Retina Hastalığının Geleceğini Öngörme Teknolojisi Geliştiriliyor
Araştırmacılar, retina hastalıklarının ilerleyişini önceden tahmin edebilen yapay zeka sistemleri üzerinde çalışıyor. Göz dibindeki değişikliklerin zamana bağlı görüntülerini analiz ederek, hastalığın gelecekteki görünümünü tahmin etmeyi amaçlayan bu teknoloji, klinisyenlere objektif veri sağlayabilir. Çalışma, karmaşık yapay zeka modellerinden ziyade, eğitim ve uygulama aşamalarında veri uyumunun daha kritik olduğunu ortaya koydu. Beş farklı koşullandırma konfigürasyonu test edildi ve sonuçlar, veri dağılımlarının uyumlu hale getirilmesinin performansta önemli artışlar sağladığını gösterdi. Bu gelişme, maküla dejenerasyonu gibi ilerleyici göz hastalıklarının tedavisinde daha objektif ve kanıta dayalı kararlar alınmasına katkı sağlayabilir.
Tıbbi Görüntü Analizinde Yapay Zeka Modellerinin Adaptasyon Sorunu
Derin öğrenme teknolojileri tıbbi görüntü analizinde devrim yaratsa da, farklı hastaneler ve hasta grupları arasındaki veri farklılıkları nedeniyle pratik uygulamada ciddi sorunlar yaşanıyor. Bir hastanede eğitilen yapay zeka modelleri, başka bir hastanede kullanıldığında performansları düşebiliyor. Araştırmacılar bu 'dağılım kayması' sorununu çözmek için yeni stratejiler geliştiriyor. Bu kapsamlı araştırma, klinikteki gerçek kısıtlamaları - sınırlı veri erişimi, gizlilik gereksinimleri ve farklı işbirliği protokolleri - dikkate alarak çözüm önerilerini sistematik olarak inceliyor. Çalışma, tıbbi yapay zeka uygulamalarının hastaneler arası kullanımının önündeki teknik ve pratik engelleri aşmaya yönelik mevcut yaklaşımları değerlendiriyor.
Yapay Zeka Doktorları Hastane Koşullarında Test Edildi: Sonuçlar Şaşırtıcı
Güney Afrika'da gerçekleştirilen kapsamlı bir araştırma, 10 farklı yapay zeka modelinin hastane ortamında gerçek hasta verileriyle tanı koyma yeteneklerini değerlendirdi. Çalışmada 539 hasta vakası kullanılarak yapay zekaların radyoloji görüntüleri, laboratuvar sonuçları ve klinik notları analiz etme başarısı ölçüldü. Araştırma, özellikle gelişmekte olan ülkelerdeki devlet hastaneleri için yapay zeka destekli tanı sistemlerinin potansiyelini ortaya koyuyor. Uzman doktor panelleri tarafından doğrulanmış vakalar üzerinde yapılan testlerde, yapay zeka modellerinin tanı doğruluğu, hasta güvenliği ve maliyet etkinliği açısından performansları detaylı şekilde analiz edildi.
Yapay zeka tıbbi görüntülerde boyama farklılıklarını çözüyor
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.
Yapay zeka hastane notlarındaki gereksiz metni yüzde 47 azaltıyor
Sağlık sistemlerinde yapay zeka kullanımı hızla artarken, hastane notlarındaki şablon metinler ve kopyala-yapıştır uygulamaları ciddi bir sorun haline gelmiş durumda. Bu uygulamalar notları gereksiz tekrarlarla şişiriyor ve yapay zeka sistemlerinin maliyetini artırıyor. Araştırmacılar TRACE adını verdikleri yeni bir sistem geliştirerek bu sorunu çözmeyi başardılar. Sistem, elektronik sağlık kayıtlarındaki meta verileri kullanarak şablon ve kopyalanmış içerikleri tespit ediyor. 5,3 milyon hastane notu üzerinde yapılan testlerde TRACE, notlardaki metni yüzde 47,3 oranında azaltırken, bilgi çıkarma ve klinik karar verme performansını korudu. Bu gelişme, sağlık alanında yapay zeka uygulamalarının hem daha verimli hem de daha ekonomik hale gelmesini sağlayabilir.
Yapay Zeka Modellerinin Tıbbi Görüntü Analiz Yeteneği Sınırlı Kaldı
Araştırmacılar, yapay zeka modellerinin gerçek klinik ortamlarda karşılaştıkları çoklu görüntü analizinde ne kadar başarılı olduklarını test etti. MedThinkVQA adlı yeni benchmark, her vakada ortalama 6,62 görüntü içeren 8.067 tıbbi durumu kapsıyor. Çalışmanın sonuçları, en gelişmiş AI modellerinin bile bu konuda zorlandığını ortaya koydu. En iyi performans gösteren Claude ve GPT modelleri %55-57 doğruluk oranına ulaşırken, açık kaynak modeller daha da geride kaldı. Bu bulgular, AI'nın tıp alanındaki uygulamalarında hâlâ önemli sınırları olduğunu gösteriyor.
Hiperspektral görüntüleme ameliyat robotlarının 3D görüşünü geliştiriyor
Araştırmacılar, minimal invaziv cerrahide 3D görüntü oluşturma performansını artıran yeni bir teknoloji geliştirdi. HyKey adlı sistem, geleneksel RGB kameralar yerine hiperspektral görüntüleme kullanarak ameliyat sahnesindeki anahtar noktaları daha doğru tespit ediyor. Hibrit yapay zeka modeli, spatial ve spektral özellikleri birlikte analiz ederek zayıf doku yapıları ve karmaşık aydınlatma koşullarında bile başarılı sonuçlar veriyor. Bu teknoloji, cerrahi rehberlik, araç takibi ve artırılmış gerçeklik uygulamalarında devrim yaratabilir.
Yapay Zeka Tıbbi Görüntülerde Segmentasyonu Eğitim Gerektirmeden Geliştirebiliyor
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.
Göğüs röntgenlerini daha doğru yorumlayan yapay zeka modeli geliştirildi
Araştırmacılar, göğüs röntgenlerindeki hastalıkları tanıyabilen yeni bir yapay zeka sistemi geliştirdi. ProtoCLIP adlı bu sistem, daha önce hiç görmediği hastalıkları bile yüksek doğrulukla tespit edebiliyor. Özellikle pnömotoraks gibi kritik durumları tanımada mevcut sistemlerden 2-10 puan daha iyi performans gösteriyor. Sistem, hastalıkların birlikte görülme sıklığından kaynaklanan yanılgıları azaltmak için özel veri seçimi ve gelişmiş öğrenme teknikleri kullanıyor. Bu gelişme, radyoloji alanında yapay zekanın daha güvenilir hale gelmesi açısından önemli bir adım olarak değerlendiriliyor.
Tıpta Sürekli Öğrenen ve Açıklanabilir Yapay Zeka: Tree of Concepts
Sağlık alanında kullanılan yapay zeka sistemlerinin hem sürekli öğrenme kabiliyetine hem de açıklanabilirlik özelliğine sahip olması kritik önemdedir. Araştırmacılar, bu iki zorlu gereksinimi karşılayan 'Tree of Concepts' adlı yeni bir framework geliştirdi. Sistem, sığ karar ağaçları ile sabit kural tabanlı konsept arayüzü oluşturuyor ve konsept darboğaz modelini ham verilerden bu konseptleri tahmin etmek için eğitiyor. Geleneksel yaklaşımların aksine, bu yöntem zaman içinde konsept anlamlarını sabit tutarken sadece konsept çıkarıcı ve etiket başlığını güncelliyor. Bu sayede açıklamalar ardışık güncellemeler boyunca kaybolmuyor. Tıbbi veri setlerinde yapılan testler, sistemin hem kararlılık hem de uyum açısından güçlü performans sergilediğini gösteriyor. Bu gelişme, hastane ortamlarında değişen koşullara uyum sağlayabilen ve aynı zamanda kararlarını açıklayabilen AI sistemleri için önemli bir adım.
Salgın Tahminleme için Dev Veri Seti: 100 Yıllık Hastalık Verisi Tek Çatıda
Araştırmacılar, salgın hastalıkların seyrini önceden tahmin edebilmek için IDOBE adlı kapsamlı bir veri sistemi geliştirdi. Bu sistem, son yüzyılda ABD ve dünya genelinde görülen 13 farklı hastalığa ait 10.000'den fazla salgın vakasını içeriyor. COVID-19 pandemisi sırasında da görüldüğü gibi, salgınların seyrini doğru tahmin etmek halk sağlığı önlemlerinin zamanında alınması için kritik önem taşıyor. Ancak şimdiye kadar bu tür tahmin modellerini test edecek standart veri setleri eksikti. IDOBE, makine öğrenmesi ve istatistiksel modellerin performansını değerlendirmek için gerekli altyapıyı sunuyor.
Biyomedikal Verilerde Yeterli Veri Miktarı: Zeta Yasası ile Keşif Kapasitesi
Bilimsel keşif yapmak için ne kadar veri yeterlidir? Bu soru, milyonlarca örnek içeren biyomedikal veri setleri ve büyüyen yapay zeka modelleri çağında kritik önem kazanıyor. Araştırmacılar, matematikteki gizemli Riemann zeta fonksiyonundan ilham alan yeni bir ölçekleme yasası çerçevesi geliştirdi. Bu yaklaşım, ek verinin ne zaman performansı önemli ölçüde artıracağını, ne zaman doyuma ulaşacağını tahmin etmeye yardımcı oluyor. Çalışma, veri kovaryans operatörlerinin spektral yapısına dayalı olarak, farklı modaliteler arasındaki keşif kapasitesini matematiksel olarak modelliyor ve performans metriklerinin sinyal-gürültü enerjisi birikimi ile açıklanabileceğini gösteriyor.
Yapay Zeka Tıbbi Kayıtları Daha Doğru Analiz Edebiliyor
Araştırmacılar, hastane kayıtlarından yapılandırılmış bilgi çıkarmada yeni bir yöntem geliştirdi. 'Derin yansıtıcı akıl yürütme' adı verilen bu sistem, büyük dil modellerinin tıbbi metinleri işlerken karşılaştığı tutarsızlık sorununu çözüyor. Geleneksel sistemler, tıbbi veriler arasındaki karmaşık bağımlılıkları göz ardı ederek hatalı sonuçlar üretebiliyordu. Yeni yöntem, çıktılarını sürekli gözden geçirip düzelterek klinik açıdan tutarlı sonuçlar elde ediyor. Kolorektal kanser raporları üzerinde yapılan testlerde, sistem performansını önemli ölçüde artırdı. Bu gelişme, dijital sağlık alanında yapay zekanın güvenilirliğini artırarak, doktorların karar verme süreçlerini destekleyebilir.
Kalp ve kas sinyalleri artık mikro çiplerde gerçek zamanlı analiz edilebiliyor
Araştırmacılar, giyilebilir cihazlarda kalp (EKG) ve kas (EMG) sinyallerini gerçek zamanlı olarak analiz edebilen devrim niteliğinde bir sistem geliştirdi. PhysioLite adlı bu yeni teknoloji, büyük ve enerji tüketen Transformer modellerinin aksine, mikro işlemci ölçeğindeki çiplerde çalışabiliyor. Sistem, dalgacık filtre bankaları ve donanım uyumlu tasarım kullanarak, en gelişmiş yapay zeka modellerinin performansına yakın sonuçlar elde ediyor. Bu gelişme, gizlilik korumalı ve çevrimdışı çalışabilen tıbbi giyilebilir teknolojiler için yeni kapılar açıyor. Özellikle kalp ritmi bozuklukları ve kas fonksiyonlarının sürekli izlenmesi gereken hastalarda büyük avantaj sağlayabilir.
Meme kanseri teşhisi için geliştirilen yapay zeka modeli yeni bir dönem başlatıyor
Araştırmacılar, meme kanseri teşhisinde devrim yaratabilecek özelleşmiş bir yapay zeka modeli geliştirdi. Mammo-FM adı verilen bu sistem, 140 bin hastadan toplanan 800 binden fazla mamografi görüntüsü kullanılarak eğitildi. Model, kanser teşhisinden risk değerlendirmesine, hastalığın yerini belirleme işleminden tıbbi rapor hazırlamaya kadar birçok kritik görevi tek bir platform üzerinde gerçekleştirebiliyor. Sistemin en önemli özelliği, görüntü ve metin analizi yeteneklerini birleştirerek hem görsel hem de yazılı açıklamalar sunabilmesi. Bu yaklaşım, doktorların karar verme sürecinde sistemi daha şeffaf ve güvenilir hale getiriyor. Farklı hasta gruplarında yapılan testlerde başarılı sonuçlar veren model, mevcut genel amaçlı yapay zeka sistemlerine kıyasla üçte bir daha az parametre kullanarak benzer performans sergiliyor.
EKG Örnekleme Frekansı Yapay Zeka Tanısını Nasıl Etkiliyor?
Atrial fibrilasyon (kalp ritim bozukluğu) tespitinde kullanılan yapay zeka modellerinin performansı, EKG verilerinin örnekleme frekansına büyük ölçüde bağlı olduğu ortaya çıktı. Araştırmacılar, farklı frekanslarla kaydedilmiş EKG verilerinin derin öğrenme modellerinin başarısını nasıl etkilediğini sistematik olarak inceledi. Sonuçlar, hibrit CNN-LSTM modelinin 100-250 Hz arası orta frekanslarda en iyi performansı gösterdiğini, klasik CNN modelinin ise farklı davrandığını ortaya koydu. Bu bulgular, tıbbi yapay zeka sistemlerinin geliştirilmesinde veri kalitesinin kritik önemini vurguluyor.
BioVLM: Tıbbi Yapay Zeka Modellerinde Yeni Bir Çıkışyolu
Araştırmacılar, tıbbi görüntü ve metin analizi yapan yapay zeka modellerinin performansını artıran yeni bir yaklaşım geliştirdi. BioVLM adı verilen bu sistem, farklı tıbbi görüntüleme yöntemleri arasında daha başarılı genelleme yapabiliyor. Özellikle az sayıda örnek verinin bulunduğu durumlarda, modelin farklı tıbbi modalitelere uyum sağlamasını kolaylaştırıyor. Sistem, dinamik prompt seçimi ve güçlü dil modeli entegrasyonu kullanarak, geleneksel yöntemlere göre daha etkili sonuçlar elde ediyor. Bu gelişme, tıbbi teşhis ve görüntü analizi alanında yapay zekanın daha geniş kullanım imkanları sunabileceğini gösteriyor.
Tıpta Yapay Zeka: DeepER-Med ile Şeffaf ve Güvenilir Tıbbi Araştırma
Yapay zekanın sağlık alanında yaygın kullanımı için güven ve şeffaflık kritik önem taşıyor. Araştırmacılar, tıbbi araştırmalarda AI kullanımını daha güvenilir hale getirmek için DeepER-Med adlı yeni bir sistem geliştirdi. Bu sistem, kanıt temelli araştırma süreçlerini üç modülde organize ediyor: araştırma planlama, işbirlikçi AI ajanları ve sentez. Mevcut sistemlerin aksine, DeepER-Med kanıt değerlendirmesi için açık ve denetlenebilir kriterlere sahip. Bu yaklaşım, hata birikimini önlemeye yardımcı olurken, araştırmacı ve klinisyenlerin sonuçların güvenilirliğini değerlendirmesini kolaylaştırıyor. Sistem ayrıca karmaşık gerçek dünya tıbbi sorularını değerlendirme konusunda da gelişmiş performans sergiliyor.
Oyun Tabanlı Terapi: Gençler İçin Ruh Sağlığı Oyunları Daha Etkili Hale Geldi
Araştırmacılar, gençlerin ruh sağlığını desteklemek için geliştirilen ciddi oyunların sıkıcılık ve düşük katılım sorunlarına yenilikçi bir çözüm buldu. Bilişsel Davranışçı Terapi ilkelerini temel alan yeni bir oyun tasarım çerçevesi ile geliştirilen 'World + You - World' adlı oyun, geleneksel eğitici oyunlardan çok daha başarılı sonuçlar verdi. 28 katılımcılı kontrollü deneyde, yeni yaklaşımla tasarlanan oyunu oynayan öğrenciler motivasyon ölçeğinde dört farklı alanda üstün performans gösterdi. Çalışma, oyun mekaniklerinin psikolojik metaforlarla zenginleştirilmesinin gençlerin terapi sürecine katılımını artırabileceğini ortaya koydu.