“veri artırma” için sonuçlar
3 sonuç bulundu. Sonuçları kategoriye göre daraltabilirsin.
Yapay Zeka Çocukların Konuşma Bozukluklarını Teşhis Etmede Yeni Umut
Çocukların yüzde beşini etkileyen konuşma ses bozuklukları için yeni bir yapay zeka yaklaşımı geliştirildi. Araştırmacılar, uzman eksikliğinin yaşandığı dil ve konuşma terapisi alanında önemli bir atılım gerçekleştirdi. Konuşma Temsil Modelleri kullanılarak geliştirilen sistem, mevcut dil modellerinden çok daha başarılı sonuçlar elde etti. Hiyerarşik sınıflandırma yaklaşımı benimseyen sistem, önce genel teşhis yapıyor, ardından bozukluğun tipini ve semptomlarını belirliyor. Özel veri artırma teknikleriyle önceki çalışmalardaki önyargılar da giderildi. Bu gelişme, personel sıkıntısı çeken klinikte önemli destek sağlayabilir.
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.
Beyin Tümörü Teşhisinde Yapay Zeka: Yeni Frekans Tabanlı Sistem %99 Başarıya Ulaştı
Araştırmacılar beyin tümörlerinin sınıflandırılması için çift omurga mimarisine sahip yenilikçi bir yapay zeka sistemi geliştirdi. VGG16 ve Xception ağlarını birleştiren bu sistem, Frekans Kapılı Dikkat Bloğu ile yerel ve küresel özellikleri etkili şekilde yakalayabiliyor. En dikkat çekici özelliği, veri artırma teknikleri kullanmadan %99,24 doğruluk oranına ulaşması. Grad-CAM görselleştirme teknolojisi sayesinde sistemin hangi beyin bölgelerini analiz ederek karar verdiğini görebilen doktorlar, yapay zekanın önerilerini daha güvenle değerlendirebilecek. Bu şeffaflık özelliği, klinik uygulamalarda güven sorununu çözmeye yönelik önemli bir adım.