Araştırmacılar, 2B ve 3B tıbbi görüntülerin segmentasyonunu önemli ölçüde iyileştiren MedSAM-2 adlı yeni bir AI modeli geliştirdiler. Tek bir manuel açıklamayla, tüm görüntü serisini işleyebilir.
Oxford Üniversitesi’nden bilim insanları, tıbbi görüntü segmentasyonu için güçlü bir AI modeli tanıttı. MedSAM-2, Meta’dan yakın zamanda yayınlanan Segment Anything Model 2 (SAM 2) üzerine kuruludur ve tıbbi görüntüleri video dizilerine benzer şekilde ele alır. Çalışmaya göre MedSAM-2, 2B ve 3B görüntülerde çeşitli organları ve dokuları segmentlemede önceki son teknoloji modellerden daha iyi performans gösteriyor.
Bu yetenekleri elde etmek için MedSAM-2, tıbbi görüntü serilerini video dizileri gibi ele alır. Model ayrıca en güvenilir tahminleri depolayan bir “Güven Bellek Bankası” kullanıyor. Yeni görüntüleri analiz ederken, bu bilgilere geri döner ve bunları mevcut görüntüye benzerliğine göre ağırlıklandırıyor.
MedSAM-2’nin temel özelliklerinden biri “tek istemli segmentasyon” yapabilmesi. Bu, modelin örnek bir görüntüde yalnızca tek bir açıklama ile ek görüntülerdeki benzer yapıları tanıyabileceği ve segmentlere ayırabileceği anlamına geliyor. Bu teknik, zamansal ilişkileri olmayan görüntüler için de işe yarar ve tıbbi personelin iş yükünü önemli ölçüde azaltıyor.
MedSAM-2 performans ve kullanıcı dostu olma konusunda yeni standartlar belirliyor
Araştırmacılar MedSAM-2’yi karın organları, optik sinirler, beyin tümörleri ve cilt lezyonları taramaları da dahil olmak üzere 15 farklı tıbbi veri setinde test etti. Yeni model, hemen hemen tüm durumlarda, uzmanlaşmış öncül modellerden daha iyi sonuçlar elde etti.
MedSAM-2, 3D görüntülerde karın organlarını segmentlere ayırmak için ortalama %88,6 Dice puanı elde etti. Bu değer, önceki en iyi model olan MedSegDiff’i %0,7 oranında geride bırakıyor. Dice puanı, AI tahmini ile uzmanlar tarafından yapılan manuel segmentasyon arasındaki uyumun bir ölçüsü.
MedSAM-2 ayrıca çeşitli vücut bölgelerinin 2D görüntülerinde önceki modellerden daha iyi performans gösterdi. Optik sinir segmentasyonu için Dice skorunu yüzde 2, beyin tümörleri için yüzde 1,6 ve tiroid nodülleri için yüzde 2,8 oranında iyileştirdi.
MedSAM-2 geliştiricileri, modeli tıbbi görüntü analizini iyileştirmeye yönelik önemli bir adım olarak görüyor ve modeli ve kodu GitHub’da yayınladı. Bu, klinik uygulamada daha fazla geliştirme ve kullanımı teşvik etmeyi amaçlıyor.
Yapayzeka.news’in hiçbir güncellemesini kaçırmamak için bizi Facebook, X (Twitter), Bluesky, LinkedIn, Instagram ve Whatsapp Kanalımız‘dan takip edin.
