尽管人工智能可以做所有令人惊讶的事情，但它有一个特殊的盲点，弗吉尼亚大学的一位研究人员试图弥补这一点。
它无法识别所有形状。
(相关资料图)
“当前的机器学习模型缺乏分析和量化结构复杂、变化较大的图像中呈现的物体形状的能力，特别是在医学成像背景下，”UVA 工程与技术学院助理教授张苗苗说。应用科学。
在查尔斯·布朗电气与计算机工程系和计算机科学系联合任职的张说，这些模型偏向于“看到”图像纹理，并且感知物体整体结构的能力有限。
“如果一张猫的皮肤被大象的皮肤取代了，现有的神经网络很容易被欺骗，并将该图像误认为是大象，”张说。“在这种情况下，该模型主要关注从强度或纹理得出的局部图像细节，而不是按预期识别猫的全局形状。”
这对张来说很重要，他专门开发用于医疗应用中图像处理和分析的人工智能，经常与 UVA Health 的临床医生合作。
包括机器学习和深度神经网络在内的人工智能工具集对于诊断心力衰竭和阿尔茨海默氏症等进行性疾病至关重要。如果人工智能无法可靠地识别和量化医学图像(例如磁共振成像)中心脏运动或大脑结构的几何形状变化，它就无法帮助医生精确检测疾病随时间推移引起的异常或细微变化。
张说：“现实世界的应用迫切需要机器学习工具，能够像人类一样查看和理解图像中的形状数据。”
张的项目“可以从图像中看到形状的深度神经网络：模型、算法和应用”旨在创建一系列新的人工智能工具，可以分析和量化图像中的形状信息，并利用这个角度来改进图像分析和机器学习一般来说。
她说：“实现这一目标对于释放人工智能在医学成像领域的全部潜力至关重要，从而实现更准确、更可靠的诊断，并为医疗保健专业人员提供增强的见解以改善患者护理。”
查尔斯·L·布朗电气与计算机工程系系主任斯科特·阿克顿 (Scott Acton) 表示，张的工作对最近医疗保健人工智能模型的爆炸式增长做出了重要贡献。
“这种扩散是由于研究界为非结构化机器学习过程添加了结构，”阿克顿说。“张教授的开创性想法也源于类似的精神。她正在增加查看数字图像中全局结构的能力。作为一名生物医学图像分析研究员，我可以告诉你，这一进步将为健康研究释放新的描述能力。”
为了帮助解决人工智能在形状分析方面的缺点，国家科学基金会授予张久负盛名的职业奖，该奖项为早期职业教师的项目提供资助，以表彰他们在研究和教育方面所表现出的领导潜力。张最近还获得了国立卫生研究院开拓者研究奖，并于 2014 年获得了医学图像计算和计算机辅助干预协会颁发的青年科学家奖，她是该协会的积极成员和区域。
这个调查
深度神经网络——一种特定的机器学习技术——是精心开发的算法，用于模拟人类学习过程。您可以将算法或数学公式视为学习识别、回忆数据模式并从中提取含义的神经元。
张提出了一个新的深度神经网络家族，具有分析形状的能力：基于深度形状的神经网络(DSNN)。为了实现这一目标，研究人员需要改变教授网络观察和分析形状的方式——这与教孩子新单词没有什么不同。
为了开发算法，她的团队将首先教导深度网络使用 Google 的 Quick、Draw! 等玩具数据集来分析简单几何图形(动物和日常物体)的变形变体，并随着模型获得智能而添加更复杂的图像。该团队将整合来自张在 UVA Health 的临床同事以及波士顿布莱根妇女医院维护的研究数据库的数千张 MRI 和计算机断层扫描图像。
这项研究的成果将对医学成像以外的现实世界产生直接、持久和广泛的影响。在为期五年的项目中，博士学位。张实验室的学生最终将开发出可用于多种用途的软件，例如处理卫星图像以监测河流和其他地质特征的环境变化。
该项目的多学科性质还提供了吸引来自工程、数学和医学等不同背景的学生和研究人员的机会，这使得张对该项目的教育推广部分特别热衷，这是职业奖的一个重要组成部分。
虽然这项研究涉及工科学生可能没有遇到过的高等数学，但张计划以本科生和研究生可以理解的方式将她的模型整合到弗吉尼亚大学课程中。她还渴望通过研讨会和暑期研究项目吸引当地中学生和高中生参与，以吸引更多来自 STEM 领域代表性不足的其他群体的女性和学生。
人工智能：“临床医生的副驾驶”
张与 UVA Health 心脏中心的合作提供了一个独特的机会来录制她新发明的基于深度形状的神经网络技术在医疗过程中的使用视频——例如，在植入起搏器的心脏手术期间。
“我可以向未来潜在的研究人员展示我们如何使用所有这些很酷的技术来影响患者的生活并让他们对工作感到兴奋，”她说。
张说，通过人工智能进行图像分析正在改变医疗保健，迫切需要对外科医生进行人工智能基础知识培训。UVA 已经开始解决这个问题，包括邀请张参加研讨会，为未来的外科医生科学家提供人工智能技术的基本教育，同时强调负责任地使用人工智能的重要性。
“在不久的将来，人工智能将成为临床医生高效的副驾驶，甚至在手术期间实时做出诊断和治疗计划决策，”张说。“但是，神经外科医生或心脏外科医生需要了解他们所使用的软件背后的基础科学。如果算法提供了错误的结果，他们需要识别它。”
她说，作为人工智能的利益相关者，外科医生和内科医生是张和其他 UVA 工程研究人员跨多个学科的工作中不可或缺的合作伙伴，并且工程和医学之间必须有一个持续的反馈循环。
“然后，你可以为一代又一代的工程师和医学生创建一个相互关联、互惠互利的教育体系，”张说。“这也是我非常热衷于通过这个职业提案做出贡献的部分。”
