به گزارش ایسنا به نقل از نیوزپلاس، محققان "دانشگاه مریلند در بالتیمور" (UMBC)، روشی برای ارائه تصاویر باکیفیت مبتنی بر اشعه ایکس قفسه سینه ابداع کرده اند که میتواند کووید- ۱۹ را بسیار دقیقتر از روش های کنونی تشخیص دهد.

"سانمیت منون" (Sumeet Menon)، از پژوهشگران این پروژه اظهار‌کرد: دانش بدون شک یکی از مهم ترین ویژگی پیچش تخمدان های یادگیری ماشینی است و تجزیه و تحلیل های ما، یک گام نظری فزاینده در جهت تولید اطلاعات با کمک روش MTT- GAN به شمار می روند.

ضرورت انجام دادن آزمایش سریع و دقیق کووید- ۱۹ بهمراه آزمایش هایی که میتوانند نشان دهند که آیا کووید- ۱۹ بر سیستم تنفسی شخص اثر می گذارد یا خیر، رو به افزایش است. بسیاری از پزشکان، اشعه ایکس را برای طبقه بندی تصاویر شرایط بالقوه کووید- ۱۹ به کار می برند گاز استریل عسل ولی اطلاعات محدودی که در دسترس قرار دارند، طبقه بندی دقیق این تصاویر را دشوار می سازند.

منون و همکارانش، در ابزار خود، گروهی از چارچوب های یادگیری ماشینی موسوم به "شبکه های زایای دشمن گونه" (GANs) را بکار گرفتند که میتوانند اطلاعات جدید را با سرعت و براساس آمار ارائه شده تولید کنند. روش فوق العاده ای که محققان آنرا MTT- GAN می نامند، نسبت به شبکه های زایای دشمن گونه، برتری دارد زیرا تصاویر ارائه شده آن، شبیه به تصاویر واقعی تولید شده با دستگاه های واقعی مبتنی بر اشعه ایکس هستند.

سیستم طبقه بندی MTT- GAN، این قابلیت را دارد که دقت ابزارهای طبقه بندی کووید- ۱۹ را افزایش دهد و آن ها را به ابزار تشخیصی حیاتی برای پزشکانی تبدیل کند که سعی دارند انواع پیچیده این بیماری را بشناسند.

منون اظهار‌کرد: 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 طبقه بندی سی تی اسکن، عملکردهای بسیاری داشته باشند.