این فریم ورک که Nobrainer نامیده میشود، میتواند تحلیل خود را نقد کند. زمانی که احتمال دارد که تحلیلش اشتباه باشد، به دانشمندان هشدار میدهد.
ایالت جورجیا یک فریم ورک یادگیری عمیق تولید میکند!
دانشگاه ایالتی جورجیا، با همکاری ام آی تی و بیمارستان عمومی ماساچوست، ۲.۵ میلیون دلار کمک مالی (BRAIN) برای توسعه یک فریم ورک یادگیری عمیق برای پردازش تصویر سه بعدی، به ویژه برای تحقیقات و کاربردهای بالینی دریافت کرده است.
پیشرفت هوش مصنوعی در کاوشهای مغزی
سرگئی پلیس، استادیار علوم کامپیوتر در جورجیا می گوید: “پیشرفت در هوش مصنوعی و یادگیری عمیق می تواند به محققان کمک کند تا بینش بیشتری را از اسکن مغزی بدست آورند و زمان لازم برای پردازش این دادهها را کاهش دهند.”
“به عنوان مثال، ما می توانیم اطلاعات بیشتری در مورد ویژگیهای تأثیر اختلالات روانی یا پیری در ساختار مغز بیاموزیم.”
این فریم ورک، به نام Nobrainerl ، می تواند تحلیل خود را نقد کند و به دانشمندان بگویید چه موقع احتمالاً تحلیلش اشتباه است. با تصحیح دانشمندان، از اشتباهات گذشته چیزهایی میآموزد، و تحلیلهای خود را دقیق تر میکند.
استفاده از یادگیری عمیق در کاوشهای مغزی
انتظار می رود یادگیری عمیق به دلایلی که در بالا ذکر شد یک فناوری تحول آمیز در تصویربرداری پزشکی باشد. دانشگاه کمبریج و دانشکده پزشکی پنسیلوانیا نیز در حال کار بر روی پروژههای مشترک در مقیاس بزرگ برای شناسایی آسیبهای مغزی با یادگیری عمیق هستند.
براساسSignify Research ، این فریم ورک میتواند تا سال 2021 یک بازار 300 میلیون دلاری ایجاد کند. چالش، پذیرش این فناوری توسط رادیولوژیستها و پزشکان است. بسیاری از بیمارستانها هنوز با قلم و کاغذ کار می کنند. هزینه کردن برای بانکهای اطلاعاتی بزرگ اسکن مغزی ممکن است مقداری از کار را کاهش دهد.
Plis گفت: “هنگامی که Google میخواهد چت باتی ایجاد کند، می توانند چت بات را با استفاده از دادهها از هر جستجوی اینترنتی آموزش دهند.” اما برای تصویرگران مغز موانع بسیار زیاد است. جمع آوری هزاران اسکن از مغز و همچنین سخت افزار مورد نیاز برای آموزش ان هزینه بر است و شما باید ناشناسی دادهها را حفظ کنید تا بتوانید مسائل مربوط به حریم خصوصی را بدست آورید”.
ایجاد دادههای متن باز، راهی ارزانتر برای استفاده از فریم ورک در بیمارستانها است. همچنین ممکن است در تحقیقات آکادمیک بیشتر بررسی شود.