ภาพทางการแพทย์ที่สร้างขึ้นใหม่โดยใช้เทคนิคปัญญาประดิษฐ์ (AI) นั้นไม่น่าเชื่อถือ จากการวิจัยล่าสุดโดยทีมนักคณิตศาสตร์นานาชาติ ทีมงานพบว่าเครื่องมือการเรียนรู้เชิงลึกที่สร้างภาพคุณภาพสูงจากเวลาสแกนที่สั้นทำให้เกิดการเปลี่ยนแปลงและสิ่งประดิษฐ์หลายอย่างในข้อมูลที่อาจส่งผลต่อการวินิจฉัย พบปัญหาเหล่านี้ในหลายระบบ บ่งชี้ว่าปรากฏการณ์นี้ไม่สามารถแก้ไขได้ง่ายๆ
การลด
เวลาการสแกนทางการแพทย์สามารถลดค่าใช้จ่ายและช่วยให้สามารถสแกนได้มากขึ้น เพื่อเปิดใช้งานสิ่งนี้ นักวิจัยบางคนได้พัฒนาระบบ AI ที่สร้างภาพคุณภาพสูงจากการสแกนที่มีความละเอียดต่ำ อุปกรณ์สร้างภาพทางการแพทย์เก็บตัวอย่างจุดข้อมูลน้อยกว่าปกติที่จำเป็น และ AI
ปรับปรุงข้อมูลเหล่านี้เพื่อสร้างภาพที่มีความละเอียดสูง AI ฝึกฝนชุดข้อมูลก่อนหน้าจากภาพคุณภาพสูง นี่เป็นการเปลี่ยนแปลงอย่างสิ้นเชิงจากเทคนิคการสร้างใหม่แบบคลาสสิกตามทฤษฎีทางคณิตศาสตร์ ซึ่งไม่ได้เรียนรู้หรือพึ่งพาข้อมูลก่อนหน้าการศึกษาที่ตีพิมพ์พบว่าอัลกอริทึม AI เหล่านี้
มีปัญหาความไม่เสถียรอย่างร้ายแรง การเปลี่ยนแปลงโครงสร้างเล็กๆ น้อยๆ เช่น การปรากฏตัวของเนื้องอกขนาดเล็ก อาจไม่สามารถจับภาพได้ ในขณะที่สิ่งรบกวนเล็กๆ ที่แทบตรวจไม่พบ เช่น ที่เกิดจากการเคลื่อนไหวของผู้ป่วย อาจนำไปสู่สิ่งประดิษฐ์ที่รุนแรงในภาพสุดท้าย
ทีมงานซึ่งนำได้ทดสอบโครงข่ายประสาทเทียม 6 แห่งที่ได้รับการฝึกอบรมเพื่อสร้างภาพที่ปรับปรุงแล้วจากการสแกน MRI หรือ CT นักวิจัยป้อนข้อมูลเครือข่ายที่ออกแบบมาเพื่อทำซ้ำปัญหาที่เป็นไปได้สามประการ: การก่อกวนเล็กน้อย การเปลี่ยนแปลงโครงสร้างเล็กน้อย และการเปลี่ยนแปลง
ของอัตราการสุ่มตัวอย่างเมื่อเทียบกับข้อมูลที่ AI ได้รับการฝึกอบรม นักวิจัยกล่าวว่าสิ่งรบกวนเล็กๆ น้อยๆ สามารถเกิดขึ้นได้จากปัจจัยต่างๆ เช่น การขยับตัวของผู้ป่วย ปัญหาคล้ายเสียงสีขาวจากเครื่องสแกน และความแตกต่างทางกายวิภาคเล็กน้อยระหว่างผู้คน ปัญหาดังกล่าวสร้าง
สิ่งประดิษฐ์
และความไม่เสถียรหลายอย่างในระบบ AI“สิ่งที่เราแสดงให้เห็นก็คือสิ่งรบกวนเล็กๆ น้อยๆ ที่เล็กจนคุณมองไม่เห็นด้วยตาของคุณก็สามารถเปลี่ยนแปลงได้โดยฉับพลัน จนมีสิ่งใหม่ปรากฏขึ้นในภาพหรือบางสิ่งที่ถูกลบออกไป” แฮนเซ่นอธิบาย “ดังนั้น คุณจะได้รับผลบวกลวงและผลลบลวง”
เพื่อทดสอบความสามารถของระบบในการตรวจจับการเปลี่ยนแปลงโครงสร้างเล็กๆ น้อยๆ ทีมงานได้เพิ่มตัวอักษรและสัญลักษณ์จากไพ่ลงในภาพ หนึ่งในเครือข่ายสามารถสร้างรายละเอียดเหล่านี้ขึ้นใหม่ได้ แต่อีกห้าเครือข่ายนำเสนอปัญหาตั้งแต่การเบลอไปจนถึงการลบการเปลี่ยนแปลงเกือบทั้งหมด
เครือข่ายประสาทเทียมเพียงเครือข่ายเดียวเท่านั้นที่ให้ภาพที่ดีกว่าเมื่อนักวิจัยเพิ่มอัตราการสุ่มตัวอย่างการสแกน อีกแบบหนึ่งหยุดนิ่งโดยไม่มีการปรับปรุงคุณภาพ ในขณะที่สามแบบ การสร้างใหม่คุณภาพลดลงเมื่อจำนวนตัวอย่างเพิ่มขึ้น ระบบ AI ที่หกไม่อนุญาตให้เปลี่ยนอัตราการสุ่มตัวอย่าง
กล่าวว่านักวิจัยจำเป็นต้องเริ่มทดสอบความเสถียรของระบบเหล่านี้ “สิ่งที่พวกเขาจะเห็นในวงกว้างก็คือระบบ AI จำนวนมากเหล่านี้ไม่เสถียร” เขาอธิบาย “ปัญหาใหญ่และใหญ่” คือไม่มีความเข้าใจทางคณิตศาสตร์ว่าระบบ AI เหล่านี้ทำงานอย่างไร “พวกมันกลายเป็นกล่องดำ
และหากคุณ
ไม่ทดสอบสิ่งเหล่านี้อย่างถูกต้อง คุณก็อาจได้รับผลลัพธ์ที่หายนะโดยสิ้นเชิง”ความไม่เสถียรที่คล้ายกันนี้ได้รับการเน้นย้ำในเครื่องมือการเรียนรู้เชิงลึกที่จำแนกรูปภาพ “คุณรบกวนเล็กน้อยและระบบ AI บอกว่าภาพของแมวกลายเป็นรถดับเพลิงในทันที” อธิบาย เขาบอกว่าตอนนี้
คุณสามารถจินตนาการถึงระบบที่คุณใช้ AI ที่ไม่เสถียรเพื่อจำแนกภาพทางการแพทย์ที่ถูกสร้างขึ้นใหม่โดยเครือข่ายประสาทที่ไม่เสถียรอีกแห่ง “ตอนนี้คุณกำลังจะตัดสินใจว่าคุณเป็นมะเร็งหรือไม่? คำถามคือคุณอยากลองไหม” เขาถาม.เชื่อว่าเทคนิคการสร้างใหม่เหล่านี้มีศักยภาพ แต่มีบางสิ่ง
ที่แมชชีนเลิร์นนิงไม่สามารถเข้าใจได้ “สิ่งที่สำคัญอย่างยิ่งคือการเข้าใจข้อจำกัด” เขาอธิบาย เทคนิคดังกล่าวยังไม่มีการใช้ทางการแพทย์ ทีมงานกล่าวว่าพวกเขาสร้างการทดสอบขึ้นเนื่องจากไม่ต้องการให้ได้รับการอนุมัติจากหน่วยงานกำกับดูแลเว้นแต่จะได้รับการทดสอบอย่างละเอียดถี่ถ้วน
ด้วยการทำให้ผนังของห้องเย็นลง หรือโดยการเพิ่มความหนาแน่นของอะตอมไฮโดรเจนในบัฟเฟอร์ ความหนาแน่นของก๊าซ 2 มิติจะเพิ่มขึ้นจนถึงจุดที่คอนเดนเสทปรากฏขึ้น ที่อุณหภูมิต่ำกว่า -15°C แอมโมเนียและกรดไนตริกสามารถควบแน่นเข้าด้วยกันและสร้างอนุภาคแอมโมเนียมไนเตรตขึ้นเอง
เชื่อกันมานานแล้วว่าเกาะนี้ถูกล้อมรอบด้วย “ทะเลแห่งความไม่เสถียร” ซึ่งประกอบด้วยนิวเคลียสที่มีความเป็นไปได้สูงที่จะแตกออกเป็นนิวเคลียสที่เบากว่าโดยธรรมชาติ อย่างไรก็ตาม การค้นพบธาตุที่มีโปรตอนระหว่าง 107 ถึง 112 ตัวที่สถาบันวิจัยไอออนหนัก (GSI) ในเมืองดาร์มสตัดท์
ประเทศเยอรมนี แสดงให้เห็นว่าข้อสันนิษฐานนี้ไม่ถูกต้องงานทางทฤษฎีที่ตามมาได้อธิบายความเสถียรที่สังเกตได้ขององค์ประกอบที่มีโปรตอนมากถึง 112 ตัว ความเสถียรของนิวเคลียสที่ไม่ใช่เวทมนตร์เหล่านี้คาดการณ์ว่ามาจากความสามารถของนิวเคลียสในการเปลี่ยนรูปจากรูปทรงกลม
ความมั่นใจในการทำนายทางทฤษฎีเหล่านี้มาจากข้อตกลงของพวกเขากับการวัดพลังงานที่เสื่อมสลาย อายุที่เสื่อมสลาย และอายุฟิชชันที่ยาวนานซึ่งจะเติบโตอย่างรวดเร็ว และ 3D ซึ่งอยู่ตรงนั้นซึ่งมีแผ่นนาโนกราฟีนที่เป็นสื่อกระแสไฟฟ้าในปริมาณมาก
credit : สล็อตเว็บตรง100 / ดูหนังฟรี / 50รับ100
