Yapay zeka alanında önemli bir gelişme yaşanırken, tıbbi görüntü analizi konusunda yeni bir yaklaşım dikkat çekiyor. Araştırmacılar, APEX (Adaptive Prompt EXtraction) adını verdikleri yenilikçi bir sistem geliştirerek, tıbbi görüntü segmentasyonunda karşılaşılan temel sorunlardan birine çözüm getirdi.
Mevcut visual prompting yöntemleri, önceden eğitilmiş modelleri yeni alanlara uyarlamak için güçlü bir araç olmasına rağmen önemli bir sınırlılığa sahipti: her alan için tek bir prompt optimize ediyor ve bunu tüm girdi verilerine aynı şekilde uyguluyorlardı. Bu durum, özellikle tıp alanında kritik olan görüntü çeşitliliği karşısında yetersiz kalıyordu.
APEX sistemi bu sorunu, her görüntüye özgü promptları öğrenilebilir bir hafızadan çekerek çözüyor. Bu hafıza, farklı alanları ayırt edebilen çeşitli prompt temsillerini saklıyor ve Fourier spektrumundan çıkarılan özellikler aracılığıyla sorgulanıyor. Sistemin kalbi olan Düşük Frekanslı Özellik Karşıtsal öğrenme çerçevesi, aynı alandan gelen temsilleri gruplarken farklı alanlardan gelenleri ayırıyor.
Bu gelişme, tıbbi görüntü analizinde yapay zekanın daha güvenilir ve uyarlanabilir hale gelmesi açısından büyük önem taşıyor. Farklı hastanelerden ve cihazlardan gelen görüntülerin başarıyla işlenebilmesi, klinik uygulamalarda AI sistemlerinin yaygınlaşması için kritik bir adım.