Kredit: Pixabay/CC0 Public Domain
Ett banbrytande system för artificiell intelligens (AI) som exakt kan förutsÀga de omrÄden i en bild dÀr en person Àr mest sannolikt att titta har skapats av forskare vid Cardiff University.
Baserat pÄ den mÀnskliga hjÀrnans mekanik och dess förmÄga att skilja mellan olika delar av en bild, sÀger forskarna att det nya systemet mer exakt representerar mÀnsklig vision Àn nÄgot som har gÄtt tidigare.
TillÀmpningar av det nya systemet strÀcker sig frÄn robotik, multimediakommunikation och videoövervakning till automatiserad bildredigering och att hitta tumörer i medicinska bilder.
Multimedia Computing Research Group vid Cardiff University planerar nu att testa systemet genom att hjÀlpa radiologer att hitta lesioner i medicinska bilder, med det övergripande mÄlet att förbÀttra hastigheten, noggrannheten och kÀnsligheten för medicinsk diagnostik.
Systemet har presenterats i tidskriften Neurodatorer.
Att kunna fokusera vÄr uppmÀrksamhet Àr en viktig del av det mÀnskliga visuella systemet som gör att vi kan vÀlja och tolka den mest relevanta informationen i en viss scen.
Forskare över hela vÀrlden har anvÀnt datorprogram för att försöka Äterskapa denna förmÄga att vÀlja ut de mest framtrÀdande delarna av en bild, men med blandad framgÄng hittills.
I sin studie anvÀnde teamet en datoralgoritm för djupinlÀrning kÀnd som ett konvolutionellt neuralt nÀtverk som Àr utformat för att efterlikna det sammankopplade nÀtet av neuroner i den mÀnskliga hjÀrnan och Àr specifikt modellerat pÄ den visuella cortex.
Denna typ av algoritm Àr idealisk för att ta bilder som indata och kunna tilldela olika objekt eller aspekter betydelse i sjÀlva bilden.
I sin studie anvĂ€nde teamet en enorm databas med bilder dĂ€r varje bild redan hade bedömts eller setts av mĂ€nniskor och tilldelats sĂ„ kallade “intresseomrĂ„den” med hjĂ€lp av eye-tracking-mjukvara.
Dessa bilder matades sedan in i algoritmen och med hjÀlp av en typ av AI som kallas djupinlÀrning började systemet lÄngsamt lÀra sig av bilderna till en punkt dÀr det sedan exakt kunde förutsÀga vilka delar av bilden som var mest framtrÀdande.
Det nya systemet testades mot sju toppmoderna visuella framtrÀdande system som redan anvÀnds och visade sig vara överlÀgset pÄ alla mÀtvÀrden.
Medförfattare till studien Dr. Hantao Liu, frĂ„n Cardiff Universitys School of Computer Science and Informatics, sĂ€ger att “denna studie har visat att vĂ„rt banbrytande system, som anvĂ€nder de senaste framstegen inom maskininlĂ€rning, Ă€r överlĂ€gset det befintliga tillstĂ„ndet. -of-the-art visuella framtrĂ€dande modeller som finns för nĂ€rvarande.”
“Att framgĂ„ngsrikt kunna förutsĂ€ga var mĂ€nniskor tittar i naturliga bilder kan lĂ„sa upp ett brett utbud av applikationer frĂ„n automatisk mĂ„ldetektion till robotik, bildbehandling och medicinsk diagnostik.”
“VĂ„r kod har gjorts fritt tillgĂ€nglig sĂ„ att alla kan dra nytta av forskningen och hitta nya sĂ€tt att tillĂ€mpa denna teknik pĂ„ verkliga problem och tillĂ€mpningar.”
“NĂ€sta steg för oss Ă€r att arbeta med radiologer för att avgöra hur dessa modeller kan hjĂ€lpa dem att upptĂ€cka lesioner i medicinska bilder.”
Koden som ligger bakom det nya systemet har gjorts fritt tillgÀnglig för allmÀnheten och kan laddas ner via GitHub.
Detektering av framtrÀdande föremÄl gör datorseendet smartare
Mer information:
Jianxun Lou et al, TranSalNet: Mot perceptuellt relevant visuell framtrÀdande förutsÀgelse, Neurodatorer (2022). DOI: 10.1016/j.neucom.2022.04.080
GitHub: github.com/LJOVO/TranSalNet
TillhandahÄlls av Cardiff University
Citat:AI-system som efterliknar mÀnsklig blick skulle kunna anvÀndas för att upptÀcka cancer (2022, 30 juni) hÀmtat 30 juni 2022 frÄn https://techxplore.com/news/2022-06-ai-mimics-human-cancer.html
Detta dokument Àr föremÄl för upphovsrÀtt. Bortsett frÄn all rÀttvis handel i syfte att privata studier eller forskning, fÄr ingen del reproduceras utan skriftligt tillstÄnd. InnehÄllet tillhandahÄlls endast i informationssyfte.
HĂ„ll kontakten med oss ââpĂ„ sociala medieplattformar för omedelbar uppdatering klicka hĂ€r för att gĂ„ med i vĂ„r Twitter och Facebook
