چرا آموزش تقارن به هوش مصنوعی می‌تواند تشخیص قبل از تولد را قابل‌اطمینان‌تر کند.
با وجود میلیون‌ها سال تکامل، رشد جنین انسان همچنان فرآیندی پیچیده است که در برابر اختلالات ژنتیکی، محیطی و متابولیکی آسیب‌پذیر است. این اختلالات می‌توانند منجر به ناهنجاری‌های رشدی شوند، از جمله در مغز که یکی از اولین اندام‌هایی است که در جنین شروع به رشد می‌کند و پس از تولد نیز به رشد خود ادامه می‌دهد.
در سونوگرافی‌های معمول دوران بارداری، متخصص سونوگرافی هرگونه ناهنجاری احتمالی در مغز را برای بررسی بیشتر با تصویربرداری رزونانس مغناطیسی (MRI) علامت‌گذاری می‌کند. اما تصویربرداری ناقص می‌تواند منجر به تشخیص‌های از دست رفته یا نادرست شود. برای کمک به تشخیص و درمان زودهنگام این ناهنجاری‌ها، محققان MIT، بیمارستان کودکان بوستون و Inria یک مدل یادگیری عمیق به نام E(3)-Pose توسعه داده و آموزش داده‌اند که به تصویربرداری از سر جنین در حین حرکت کمک می‌کند تا یک تصویر با وضوح بالا برای بررسی رادیولوژیست ثبت کند. مقاله‌ای در مورد این کار در کنفرانس اروپایی بینایی کامپیوتر 2026 ارائه شد.
رامیا موتوکریشنا، نویسنده اول این پژوهش می‌گوید: «یکی از مشکلات حرکت جنین این است که برش‌های تصویر در همه جا پراکنده می‌شوند.» موتوکریشنا دانشجوی دکتری MIT در آزمایشگاه سانلین (1966) و پروفسور پرسیلا چو در مهندسی برق و علوم کامپیوتر پولینا گلند است که محقق اصلی در کلینیک یادگیری ماشین در سلامت عبداللطیف جمیل MIT (Jameel Clinic) و آزمایشگاه علوم کامپیوتر و هوش مصنوعی MIT (CSAIL) است.
با اشاره به "برش‌ها"، موتوکریشنا...