“SETI” için sonuçlar
15 sonuç bulundu. Sonuçları kategoriye göre daraltabilirsin.
Tıbbi Robotlarda Yapay Zeka Devrimi: 49 Kurumdan Dev Veri Seti
Otonom tıbbi robotlar hasta sonuçlarını iyileştirme, sağlık çalışanlarının iş yükünü azaltma ve insanüstü hassasiyet sağlama potansiyeline sahip. Ancak bu alanda gelişim, veri eksikliği nedeniyle sınırlı kalıyordu. Araştırmacılar, 49 kurumdan toplanan ve da Vinci, dVRK gibi farklı robot platformlarını kapsayan 'Open-H-Embodiment' adlı dev veri setini paylaştı. Bu açık kaynak veri seti, cerrahi manipülasyon, robotik ultrason ve endoskopi prosedürlerinden elde edilen video görüntüleri ile robot hareketlerinin eşzamanlı verilerini içeriyor. Çalışma, tıbbi robotik alanında temel yapay zeka modellerinin geliştirilmesi için kritik olan veri açığını kapatmayı hedefliyor.
Göz Muayenesi ile Otizm Teşhisi: Yeni Veri Seti Umut Veriyor
Araştırmacılar, otizm spektrum bozukluğu olan çocukları tespit etmek için elektroretinogram (ERG) verilerini kullanan kapsamlı bir veri seti geliştirdiler. LEOPs adı verilen bu veri seti, tipik gelişim gösteren çocuklar, otizmli çocuklar ve hem otizm hem ADHD olan çocuklardan toplanan 10 binden fazla göz taraması kaydı içeriyor. Avustralya ve İngiltere'de gerçekleştirilen çalışmada, taşınabilir RETeval cihazı kullanılarak çocukların gözlerinden alınan elektriksel yanıtlar kaydedildi. Bu yaklaşım, geleneksel davranışsal testlere alternatif olarak, daha objektif ve erken teşhis imkanı sunabilir. Veri seti, yapay zeka algoritmalarının eğitilmesi için de kullanılabilir, böylece gelecekte otizm teşhisinde çığır açıcı gelişmeler sağlanabilir.
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.
Tıbbi yapay zeka için yeni standart: VIDS ile veri kalitesi denetimi
Tıbbi görüntüleme alanında yapay zeka geliştirme süreçleri, kaliteli ve güvenilir veri setlerine bağımlıdır. Ancak mevcut standartlar, veri yapısı, açıklama kaynağı ve makine öğrenmesi uygunluğunu tek bir çerçevede doğrulayamıyor. Araştırmacılar, bu sorunu çözmek için VIDS (Doğrulanmış Görüntüleme Veri Seti Standardı) adlı yeni bir açık kaynak spesifikasyon geliştirdi. VIDS, tıbbi görüntü veri setlerinin kim tarafından, ne zaman, hangi araçlarla ve hangi kalite standartlarıyla açıklandığını sistematik olarak takip ediyor. Sistem, 21 farklı makine-uygulanabilir doğrulama kuralı içeriyor ve iki farklı uyumluluk profili sunuyor. Bu standart, tıbbi AI araştırmalarında veri kalitesini artırarak daha güvenilir algoritma geliştirme süreçlerini mümkün kılacak.
Yapay zeka, akciğer nodüllerini daha az veriyle tespit edebiliyor
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.
7T MRI ile Beyin Damarları Haritalanıyor: SMILE-UHURA Yarışması
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.
Yapay Zeka Radyoloji Raporlarında Yanılgıları Nasıl Azaltıyor?
Araştırmacılar, göğüs röntgeni görüntülerinden otomatik radyoloji raporu üreten yeni bir yapay zeka sistemi geliştirdi. RA-RRG adlı bu sistem, mevcut büyük dil modellerinin hesaplama maliyetini düşürürken, yanılgılı bilgi üretme sorununu da çözmeyi hedefliyor. Sistem, önce radyoloji raporlarından klinik açıdan önemli anahtar kelimeleri çıkarıyor, sonra verilen röntgen görüntüsüne uygun kelimeleri bularak rapor hazırlıyor. Bu yaklaşım, radiologların iş yükünü azaltma potansiyeli taşırken, yapay zekanın tıp alanındaki güvenilirlik sorunlarına da çözüm sunuyor. MIMIC-CXR veri seti üzerindeki deneyler, sistemin hem kaliteli raporlar ürettiğini hem de yanılgıları önemli ölçüde azalttığını gösteriyor.
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.
Diyabet Hastalarının Şeker Verilerini Güvenle Sorgulayabileceği Yapay Zeka Sistemi
Araştırmacılar, diyabet hastalarının sürekli glikoz monitörlerinden aldıkları verileri yapay zeka ile güvenli bir şekilde sorgulayabileceği yeni bir sistem geliştirdi. CGM-Agent adlı bu framework, hasta verilerinin cihazdan çıkmadan sorulara yanıt verebiliyor. Mevcut sistemlerin sadece statik özetler sunmasının aksine, hastalar artık 'geçen hafta şeker seviyem neden yükseldi?' gibi detaylı sorular sorabiliyor. Sistem, büyük dil modellerini sadece mantık yürütme motoru olarak kullanırken, tüm hesaplamalar yerel olarak gerçekleştiriliyor. 4,180 sorudan oluşan test setinde değerlendirilen sistem, kişisel sağlık verilerinin mahremiyetini koruyarak diyabet yönetiminde yeni bir yaklaşım sunuyor.
Sonata: Düşme Riskini Önceden Tespit Eden Yapay Zeka Modeli
Araştırmacılar, giyilebilir sensörlerden elde edilen verileri analiz ederek hastalarda düşme riskini önceden tahmin edebilen 'Sonata' adlı yeni bir yapay zeka modeli geliştirdi. Bu kompakt model, vücudun altı eksendeki hareketlerini izleyerek gelecekteki durumları tahmin ediyor. 739 kişiden toplanan verilerin bulunduğu dokuz farklı veri setinde eğitilen sistem, sadece 3,77 milyon parametre ile çalışıyor ve bu sayede akıllı saatler gibi giyilebilir cihazlarda kullanılabiliyor. Klinik ortamlarda sınırlı hasta verisiyle çalışmak zorunda olan sağlık teknolojileri için önemli bir gelişme olan Sonata, geleneksel yöntemlere göre daha başarılı sonuçlar veriyor.
Yapay Sağlık Verilerinin Kalitesini Ölçmek İçin Yeni Bir Yöntem Geliştirildi
Araştırmacılar, büyük sağlık veri setleri için üretilen yapay verilerin kalitesini değerlendirmek amacıyla yeni bir metodoloji geliştirdi. Çalışmada, farklı makine öğrenmesi ailelerinden yedi model karşılaştırıldı ve her biri farklı ölçeklerdeki dört veri seti üzerinde test edildi. Araştırma, özellikle Alman Kanser Kayıtları'nın epidemiyolojik verilerini kullanarak, yapay veri üretiminde karşılaşılan zorlukları ortaya koydu. Geliştirilen yöntem, sentezlenmiş veri dağılımlarının doğruluğunu tek bir grafikte görselleştirerek değerlendiriyor ve herhangi bir veri seti için uygulanabilir nitelikte. Bu yaklaşım, sağlık alanında yapay veri kullanımının güvenilirliğini artırmak için önemli bir adım olarak görülüyor.
Afrika'da beyin tümörü teşhisi için yapay zeka modeli geliştirildi
Araştırmacılar, Afrika'daki düşük ve orta gelirli ülkelerde beyin tümörü teşhisini iyileştirmek için özel bir yapay zeka modeli geliştirdi. Bu ülkelerde standart görüntüleme protokollerinin olmaması, düşük kaliteli MR cihazlarının yaygın kullanımı ve sınırlı sağlık kaynakları nedeniyle otomatik beyin tümörü segmentasyonu zorlu bir süreç. Bilim insanları, nnU-Net ve MedNeXt gibi gelişmiş segmentasyon modellerini topoloji iyileştirme teknikleriyle birleştirerek bu zorluğu aştı. BraTS Africa 2025 Yarışması kapsamında geliştirilen sistem, düşük kaliteli görüntülerdeki deformasyonları düzelten özel bir modül içeriyor. Model, önce yüksek kaliteli verilerle eğitilip sonra Afrika veri seti için ince ayar yapılarak optimize edildi.
Yapay Zeka Kalp Hastalıklarını Teşhiste Yeni Umut Vaat Ediyor
Kalp hastalıkları teşhisinde kullanılan EKG sinyallerinin otomatik analizi için geliştirilen yapay zeka modelleri, geleneksel makine öğrenmesi yöntemleriyle karşılaştırıldı. PTB-XL veri seti üzerinde yapılan araştırmada, derin öğrenme modelleri ham EKG verilerinden otomatik olarak ayırt edici özellikleri çıkarabilme yetenekleriyle öne çıktı. Çalışmada altı farklı model test edildi: üç geleneksel makine öğrenmesi algoritması ve üç derin öğrenme modeli. Sonuçlar, karmaşık yapay sinir ağlarının kardiyovasküler hastalıkların erken teşhisinde umut verici sonuçlar elde ettiğini gösteriyor.
Yapay Zeka Meme Kanserini Daha Güvenli Tespit Ediyor: Sentetik Görüntü Devrimi
Araştırmacılar, hasta verilerini paylaşmadan hastaneler arası işbirliği sağlayan federe öğrenme yöntemiyle meme kanseri tespitinde çığır açan bir başarı elde etti. Çalışmada, gerçek ultrason görüntülerinin yanına yapay zeka tarafından üretilen sentetik görüntüler eklenerek modelin performansı önemli ölçüde artırıldı. Üç farklı veri setinde yapılan denemelerde, sentetik görüntülerin dengeli kullanımıyla tespit başarısı yüzde 94'lere kadar yükseldi. Bu yaklaşım, özellikle küçük veri setleri bulunan tıp kurumları için umut verici sonuçlar sunuyor ve hasta mahremiyetini korurken tanı kalitesini artırıyor.
Yapay Zeka Tüp Bebek Başarısını Artırabilir: Embriyo Kalitesi Otomatik Değerlendirmesi
Araştırmacılar, tüp bebek tedavilerinde embriyo kalitesini otomatik olarak değerlendiren yeni bir yapay zeka sistemi geliştirdi. Mevcut yöntemler embriyologların görsel değerlendirmelerine dayanıyor ve bu durum subjektiflik ile uzmanlar arası farklılıklara yol açıyor. Yeni sistem, 5. gün insan embriyolarının görüntülerini analiz ederek kritik embriyo bileşenlerini otomatik olarak tanımlıyor ve derecelendiriyor. Multitask embedding yaklaşımı kullanan bu teknoloji, sınırlı veri setinden bile etkili öğrenme gerçekleştirebiliyor. Sistem özellikle trofektoderm, iç hücre kütlesi ve blastosist genişlemesi gibi görsel olarak benzer ve ayırt edilmesi zor yapıları başarıyla tanımlayabiliyor. Bu gelişme, tüp bebek tedavilerinin başarı oranını artırabilir ve standardizasyon sorunlarını çözebilir.