Yapay zeka destekli tıbbi görüntüleme teknolojilerinde önemli bir atılım gerçekleşti. Araştırmacılar, tomografi görüntülerini yeniden yapılandırmak için tamamen yeni bir yaklaşım geliştirdi: SPLIT (Doğrusal Olmayan Tomografide Öğrenilmiş Ters Çözüm için Kendi Kendini Denetleyen Bölümleme).
Geleneksel makine öğrenimi tabanlı tomografi sistemleri, eğitim için hem ölçüm verilerine hem de doğru sonuç görüntülerine ihtiyaç duyar. Ancak tıbbi uygulamalarda bu tür eşleştirilmiş veri setleri elde etmek oldukça zor ve maliyetli olabilir. SPLIT sistemi bu sorunu, hiçbir referans görüntü kullanmadan çalışabilen gözetmensiz öğrenme yaklaşımıyla çözüyor.
Sistemin en dikkat çekici özelliği, eksik, gürültülü ve doğrusal olmayan projeksiyon verilerinden bile kaliteli görüntüler üretebilmesi. SPLIT, veriyi farklı bölümlere ayırarak her bölümden elde ettiği tamamlayıcı bilgileri kullanıyor ve bölümler arası tutarlılık sağlayarak görüntü kalitesini artırıyor.
Araştırmacıların en önemli teorik katkısı, gözetmensiz öğrenme yaklaşımının belirli koşullar altında gözetimli öğrenme ile matematiksel olarak eşdeğer olduğunu kanıtlamış olmaları. Bu, yöntemin sadece pratik değil, aynı zamanda teorik olarak da sağlam temellerinin olduğunu gösteriyor.
Bu gelişme, özellikle tıbbi tomografi, endüstriyel görüntüleme ve bilimsel araştırmalarda kullanılan görüntüleme sistemlerinin daha erişilebilir ve etkili hale gelmesini sağlayabilir.