Pozitron emisyon tomografisi (PET) taramalarında hasta güvenliği için düşük radyasyon dozu kullanılması, görüntü kalitesinin düşmesine neden oluyor. Bu sorunu çözmek için geliştirilen yapay zeka modelleri ise farklı doz seviyelerinde tutarlı performans gösteremiyordu.
Araştırmacılar, mevcut 'tek beden herkese uyar' yaklaşımının temel bir problemi olduğunu tespit etti. Bu modeller farklı gürültü seviyelerinin ortalamasını alarak çalışıyor, bu da performans kaybına yol açıyor. Özellikle belirli bir doz seviyesi için eğitilmiş modeller, başka dozlarda başarısız oluyordu.
Yeni geliştirilen yöntem, tam doz görüntüyü tahmin etmek yerine doğrudan gürültüyü belirlemeye odaklanıyor. 'Residual gürültü öğrenme çerçevesi' olarak adlandırılan bu teknik, düşük doz PET görüntülerinden gürültü desenlerini doğrudan çıkarıyor.
İki farklı tıp merkezinden elde edilen büyük ölçekli PET veri setleri üzerinde yapılan testler, yeni yöntemin geleneksel yaklaşımlardan daha başarılı olduğunu gösteriyor. Bu gelişme, hastaların daha az radyasyona maruz kalmasını sağlarken, teşhis kalitesini koruyor.