Kalp hastalıklarının teşhisinde kullanılan geç gadolinyum tutulumu manyetik rezonans görüntüleme (LGE MRI) tekniğinde, sol kulakçık duvarının tespiti büyük zorluklar içeriyor. Bu duvarların son derece ince yapısı, düşük kontrast oranı ve uzman etiketli görüntü sayısının azlığı, otomatik segmentasyon işlemlerini karmaşık hale getiriyor.
Bilim insanları bu soruna Model-Bağımsız Meta-Öğrenme (MAML) yaklaşımını kullanarak çözüm buldular. Sistem, sadece 5, 10 veya 20 örnek görüntüyle çalışabilecek şekilde tasarlandı. Ana hedef olan sol kulakçık duvarı segmentasyonunun yanı sıra, sol ve sağ kulakçık boşluklarını da analiz ederek öğrenme sürecini destekliyor.
Araştırma ekibi, ince yapıların daha doğru tespit edilmesi için özel bir sınır-farkında kompozit kayıp fonksiyonu geliştirdi. Bu yöntem, sistem performansını artırırken hesaplama maliyetini de düşük tutuyor.
Test sonuçları oldukça cesaret verici. Sadece 5 örnek görüntüyle çalışırken Dice skoru 0.64'e ulaşırken, geleneksel fine-tuning yöntemleri 0.52'de kaldı. 20 örnek görüntüyle ise tam denetimli referans sisteme yakın performans (0.69'a karşı 0.71) elde edildi. Bu başarı, tıbbi görüntüleme alanında veri kıtlığı sorununa önemli bir çözüm sunuyor.