Bir grup UBC Okanagan öğrencisi, doktorların ve bilim adamlarının tümörlerden orman yangınlarına kadar her şeyi tespit etme biçimlerini geliştirebilecek teknoloji yaratmaya yardımcı oldu.
UBCO Bilgisayar Bilimi, Matematik, Fizik ve İstatistik Bölümü’nden Doçent Xiaoping Shi’nin rehberliğinde çalışan öğrenciler, uyarlanabilir çoklu değişim noktası enerji tabanlı model segmentasyon (MEB’ler) adı verilen bir sistemi tasarladılar ve test ettiler.
Bu yöntem, genellikle mevcut algılama yöntemlerini karıştıran karmaşık veya gürültülü görüntülerde önemli ayrıntıları seçmek için gelişmiş matematik kullanır.
UBCO Master’ın öğrencisi ve çalışmanın baş yazarı Jiatao Zhong, “Bu proje bize gerçek bir fark yaratabilecek bir şey üzerinde çalışma şansı verdi” diyor. “Yaptığımız şeyin doktorların hastalıkları daha erken tespit etmesine ve bilim adamlarının orman yangınlarını daha etkili bir şekilde izlemelerine yardımcı olabileceğini bilmek heyecan verici.”
Yakın zamanda yayınlanan iş Bilimsel raporlarMEB’lerin sağlık profesyonellerinin tıbbi taramalarda hastalık belirtileri bulmalarına yardımcı olabileceğini, bitki bilim insanlarına hücre büyümesini izlemelerine yardımcı olabileceğini ve orman yangını monitörlerine uzaydan sıcak noktaları tanımlamak için daha hızlı bir yol verebileceğini gösteriyor.
Shi, “Öğrencilerimiz bu modelin oluşturulmasında ve geliştirilmesinde büyük bir rol oynadı ve bunu gerçek dünya sorunlarına uygulama şansları vardı” diyor. “Programlama, veri analizi ve uygulamalı matematikte kazandıkları beceriler onlara gelecekteki kariyerlerinde bir avantaj sağlayacak.”
Ekibin araştırması birkaç önemli alanda başarı gösterdi:
- Tıbbi taramalarda X-ışınlarında ve mamogramlarda standart araçlardan daha büyük netliğe sahip tümörleri ve sıvı birikimini tespit ederek.
- Wildfire izlemede, uydu görüntülerinde küçük ama kritik kıvılcımlar seçerek, bu da daha hızlı yanıt sürelerine yol açabilir.
- Biyolojik araştırmalarda, bilim adamlarının tarım ve büyüme araştırmaları için önemli olan bitki çalışmalarında hücreleri saymalarına ve izlemelerine yardımcı olur.
Dr. Yuejiao Fu, Dr. Shi ile kağıt üzerinde işbirliği yaptı. Öğrenci ekibi – Zhong, Shiyin Du, Canruo Shen, Yinging Chen, Medha Naidu ve Min Gao – kodlama ve testten tıbbi ve uydu görüntüleri üzerinde çalışan deneylere kadar görevler üzerinde çalıştı.
Birlikte, MEB’lerin mevcut birçok aracın yapamayacağı şeyi yapabileceğini gösterdiler: bir görüntü tipik kalıpları takip etmediğinde otomatik olarak uyum sağlayarak, ekstra manuel çalışma olmadan doğruluğu geliştirin.
Çoğu görüntü aracı, gerçek dünyada her zaman çalışmayan sabit kurallar kullanır. Tıbbi taramalar ve uydu görüntüleri genellikle gürültülü veya tutarsızdır.
MEB’ler öne çıkıyor çünkü görüntünün kendisine uyum sağlıyor – ince kaymaları tespit etmek ve karmaşık görselleri yararlı bölümlere bölmek. Bu, doktorlar, bilim adamları ve orman yangını için daha doğru sonuçlara yol açar.
