Son Aramalarınız TEMİZLE
    Genel Hızlı Tercihler Sıfırla
    Header'ı Tuttur
    Header'da Teknoloji Gündemi
    Anasayfa
    Büyük Slayt ve Popüler Haberler
    Kaydırarak Daha Fazla İçerik Yükle
    İçerikleri Yeni Sekmede Aç
    Detay Sayfaları
    Kaydırarak Sonraki Habere Geçiş
    Renk Seçenekleri
    Gece Modu (Koyu Tema)
    Sadece Videolar için Gece Modu
    Haber Gir indirim kodu
    Anlık Bildirim

    Epilepsi nöbetini 1 saat önceden tahmin edebilen yapay zeka geliştirildi

    Araştırmacılar, % 99,6 doğrulukla epilepsi nöbetlerinin başlamasından bir saat öncesine kadar nöbetlerin gerçekleşeceğini öngörebilecek yeni bir yapay zeka ile güçlendirilmiş model geliştirdiler.
    Oy Ver

    Daha önce Hollandalı bilim insanları epilepsi nöbetlerini tespit edebilen akıllı bileklik yapmışlardı. Şimdi ise Lafayette'deki Louisiana Üniversitesi'nden Hisham Daoud ve Magdy Bayoumi tarafından geliştirilen yeni yapay zeka sistemi, epilepsi nöbetlerini 1 saat öncesinden tahmin edebiliyor. 

    Dünya Sağlık Örgütü'ne göre dünyada yaklaşık 50 milyon insan şu anda epilepsiye sahip ve bu hastaların % 70'i nöbetlerini ilaçla kontrol edebiliyor. Hisham Daoud ve Magdy Bayoumi'nin geliştirdiği yeni yapay zeka sistemi, mevcut tahmin yöntemlerine göre daha başarılı ve ileriye dönük büyük bir adımdır. Nöbetleri vaktinden önce tespit etmek, epilepsili hastaların yaşam kalitesini büyük ölçüde artırabilir ve onlara nöbet geçirmeden önce harekete geçmeleri için yeterli zamanı sağlayabilir.

    Yüksek başarı yüzdesi

    Araştırmacılar, sistemlerini Boston Çocuk Hastanesinde 22 hasta üzerinde test etti. Test edilen hasta sayısı az olmasına rağmen yakalanan doğruluk oranı umut vadediyor. Testler sonucunda % 99.6 doğruluk oranı buldular. Bu, daha önce geliştirilen ve %85 doğruluk oranı yakalayan akıllı bileklliklerden daha yüksek bir başarı oranına sahip demektir.

    Yapay zekanın olası bir nöbeti doğru tahmin etmesini sağlamak kolay bir süreç değildir. Makine öğrenme sistemleri esas olarak veriler üzerinde çalışmaktadır; ne kadar çok veri girişi sağlarsanız sonuçlar o kadar başarılı olur. Hisham Daoud; “Bu yüksek doğruluğu erken tahmin süresiyle elde etmek için, modeli her hasta üzerinde eğitmemiz gerekiyor” diyor.

    Bu tekniğin yaygın kullanım için uygun hale gelmesi biraz zaman alacaktır. Ekip şimdi ise gerekli algoritmaları işlemeye yardımcı olacak özel bir çip üzerinde çalışıyor.



    Bu haberi, mobil uygulamamızı kullanarak indirip,
    istediğiniz zaman (çevrim dışı bile) okuyabilirsiniz:
    DH Android Uygulamasını İndir DH iOS Uygulamasını İndir
    Sorgu:
    Önceki ve Sonraki İçerikler
    Daha Yeniler Daha Eskiler
    Yeni Haber
    şimdi
    Geri Bildirim