به گزارش ایسنا و به نقل از نیوزپلاس، پژوهشگران "دانشگاه مریلند در بالتیمور"(UMBC)، روشی برای ارائه تصاویر باکیفیت مبتنی بر اشعه ایکس قفسه سینه ابداع کردهاند که میتواند کووید-۱۹ را بسیار دقیقتر از روشهای کنونی تشخیص دهد.
"سانمیت منون"(Sumeet Menon)، از پژوهشگران این پروژه گفت: دانش بدون شک یکی از مهمترین ویژگیهای یادگیری ماشینی است و تجزیه و تحلیلهای ما، یک گام نظری فزاینده در جهت تولید اطلاعات با کمک روش MTT-GAN به شمار میروند.
ضرورت انجام دادن آزمایش سریع و دقیق کووید-۱۹ به همراه آزمایشهایی که میتوانند نشان دهند که آیا کووید-۱۹ بر سیستم تنفسی شخص اثر میگذارد یا خیر، رو به افزایش است. بسیاری از پزشکان، اشعه ایکس را برای طبقهبندی تصاویر شرایط بالقوه کووید-۱۹ به کار میبرند اما اطلاعات محدودی که در دسترس قرار دارند، طبقهبندی دقیق این تصاویر را دشوار میسازند.
منون و همکارانش، در ابزار خود، گروهی از چارچوبهای یادگیری ماشینی موسوم به "شبکههای زایای دشمنگونه"(GANs) را به کار گرفتند که میتوانند اطلاعات جدید را با سرعت و براساس آمار ارائه شده تولید کنند. روش فوقالعادهای که پژوهشگران آن را MTT-GAN مینامند، نسبت به شبکههای زایای دشمنگونه، برتری دارد زیرا تصاویر ارائه شده آن، شبیه به تصاویر واقعی تولید شده با دستگاههای واقعی مبتنی بر اشعه ایکس هستند.
سیستم طبقهبندی MTT-GAN، این قابلیت را دارد که دقت ابزارهای طبقهبندی کووید-۱۹ را افزایش دهد و آنها را به ابزار تشخیصی حیاتی برای پزشکانی تبدیل کند که سعی دارند انواع پیچیده این بیماری را بشناسند.
منون گفت: این پژوهش، بر تولید تصاویر بیشتری مبتنی بر اشعه ایکس تمرکز دارد که ممکن است به صورت گسترده برای آموزش سیستم به کار بروند و در کنار طبقهبندی سیتیاسکن، عملکردهای بسیاری داشته باشند.