“algoritmalar” için sonuçlar
3 sonuç bulundu. Sonuçları kategoriye göre daraltabilirsin.
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.
KOAH Hastalarında Kas Kaybını Kuantum Bilgisayarlarla Öngörmek
Kronik obstrüktif akciğer hastalığı (KOAH) sadece nefes almayı değil, vücuttaki kas yapısını da ciddi şekilde etkiliyor. Araştırmacılar, bu hastalıkta görülen kas kaybını önceden tahmin etmek için kuantum bilgisayar algoritmalarını test etti. Çalışmada 213 deney hayvanından alınan kan ve akciğer sıvısı örnekleri analiz edildi. Kuantum kernel regresyon yöntemi ve geometri tabanlı algoritmalar, geleneksel makine öğrenmesi tekniklerine karşı karşılaştırıldı. Özellikle veri miktarının sınırlı olduğu durumlarda kuantum yöntemlerin avantaj sağlayabileceği görüldü. Bu yaklaşım, gelecekte KOAH hastalarının kas gücü kaybını erken tespit ederek tedavi planlamasına yardımcı olabilir.
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.