模仿人类注视的人工智能系统可用于检测癌症

卡迪夫大学的科学家创建了一种尖端的人工智能(AI)系统，可以准确预测一个人最有可能看到的图像区域。基于人脑的机制及其区分图像不同部分的能力，研究人员表示，这种新颖的系统比以前的任何系统都更准确地代表了人类的视觉。

新系统的应用范围从机器人技术、多媒体通信和视频监控到自动图像编辑和在医学图像中发现肿瘤。

卡迪夫大学的多媒体计算研究小组现在正计划通过帮助放射科医生在医学图像中发现病变来测试该系统，总体目标是提高医学诊断的速度、准确性和灵敏度。

该系统已在《神经计算》杂志上发表。

能够集中注意力是人类视觉系统的重要组成部分，它使我们能够选择和解释特定场景中最相关的信息。

世界各地的科学家一直在使用计算机软件尝试重新创造这种能力，以挑选出图像中最显着的部分，但迄今为止取得的成功喜忧参半。

在他们的研究中，该团队使用了一种称为卷积神经网络的深度学习计算机算法，该算法旨在模仿人脑中相互连接的神经元网络，并专门以视觉皮层为模型。

这种类型的算法非常适合将图像作为输入并能够为图像本身的各种对象或方面分配重要性。

在他们的研究中，该团队使用了一个巨大的图像数据库，其中每张图像都已经被人类评估或查看过，并使用眼动追踪软件分配了所谓的“感兴趣的区域”。

然后将这些图像输入算法并使用一种称为深度学习的人工智能，系统慢慢开始从图像中学习到一个点，然后它可以准确地预测图像的哪些部分最显着。

新系统针对已在使用的七种最先进的视觉显着性系统进行了测试，并且在所有指标上都表现出优异的表现。

该研究的合著者、卡迪夫大学计算机科学与信息学院的刘汉涛博士说：“这项研究表明，我们采用机器学习最新进展的尖端系统优于现有状态目前存在的最先进的视觉显着性模型。”

“能够成功预测人们在自然图像中的位置，可以解锁从自动目标检测到机器人技术、图像处理和医学诊断的广泛应用。”

“我们的代码已免费提供，因此每个人都可以从研究中受益，并找到将这项技术应用于现实世界问题和应用的新方法。”

“我们的下一步是与放射科医生合作，确定这些模型如何帮助他们检测医学图像中的病变。”

新系统的底层代码已免费向公众开放，并可通过GitHub下载。

标签：