Beyin tümörlerinin erken ve doğru teşhisi, başarılı tedavi için kritik öneme sahip. Ancak mevcut yapay zeka tabanlı sınıflandırma sistemleri genellikle yoğun veri artırma tekniklerine bağımlı kalıyor ve bu durum klinik uygulamalarda güvenilirlik sorunlarına yol açabiliyor.
Yeni geliştirilen DB-FGA-Net sistemi, bu soruna çift omurga mimarisi ile çözüm getiriyor. VGG16 ve Xception ağlarının güçlerini birleştiren sistem, Frekans Kapılı Dikkat Bloğu sayesinde beyin görüntülerindeki hem yerel hem de küresel özellikleri etkili şekilde yakalayabiliyor.
Sistemin en önemli avantajı, veri artırma teknikleri kullanmadan bile yüksek performans sergilemesi. 7K-DS veri setinde 4 sınıflı beyin tümörü sınıflandırmasında %99,24 doğruluk oranına ulaşan sistem, değişken boyutlara sahip veri setlerinde de güçlü performans gösteriyor.
Klinik güvenilirlik açısından büyük önem taşıyan şeffaflık özelliği, Grad-CAM görselleştirme teknolojisi ile sağlanıyor. Bu sayede doktorlar, yapay zekanın hangi beyin bölgelerini analiz ederek kararını verdiğini görsel olarak inceleyebiliyor.
Bu gelişme, yapay zekanın tıp alanındaki uygulamalarında güven ve şeffaflık sorunlarının çözülmesi yönünde önemli bir adım olarak değerlendiriliyor.