2023-02-06 | 대전=박희윤 기자

KAIST开发智能图像修复人工智能技术

本页标题和正文均由AI机器翻译,未经人工审校。准确内容请以韩文原文为准。

KAIST 6日表示,生物及脑工程系张武锡教授研究团队与金载哲人工智能研究生院裵宗哲教授研究团队通过共同研究,开发出可解决人工智能可信度问题的基于物理学习的影像复原深度学习技术。

研究团队着眼于影像获取环境中可能出现的变量大多可通过物理法则以数学方式描述这一点,提出了将物理法则与深度神经网络相融合的学习方法。

所有影像技术都通过物理成像设备获取影像信息。研究团队开发出将对这一信息获取过程的物理洞察力教给人工智能的方法。例如,通过“你得出的复原结果在物理上合理吗?”或“这台成像设备在物理上似乎可能产生这样的变量?”等提问,提出了把物理洞察力植入人工智能的方法。

研究团队在不断变化的影像获取环境下也成功复原出高可信度的全息影像。全息影像技术可广泛应用于医疗影像、军用监视、自动驾驶影像等多种精密影像技术,本次研究集中验证了其在医疗诊断领域的适用性。

研究团队首先从三维空间中高速运动的红细胞的衍射影像(扩散的阴影形态)中,成功实时复原出红细胞的形态。在这种动态影像环境中,意料之外的变量可包括多个红细胞团复杂重叠,或红细胞流向未曾预料的位置等情形。在此,研究团队通过光传播理论对人工智能生成的影像是否为合理结果进行验算,成功实现了物理上有效的复原可信度。

研究团队还成功复原了已成为癌症诊断标准技术的活检组织(用手术刀或针从生物体采集部分组织)的影像。值得注意的是,尽管只学习了在特定相机位置测得的衍射影像,但因附加了人工智能的认知能力,在多种相机位置下也成功识别出物体。本次实现的技术无需细胞染色过程,也不需要价值数千万韩元的显微镜,预计可大幅改善活检组织检查的速度与成本。

将物理洞察力植入人工智能的影像复原技术,预计不仅可用于医疗诊断领域,还可应用于广泛的影像技术。近来,在移动设备摄像头、医疗诊断用MRI、CT、基于光学的半导体工艺缺陷检测等影像技术产业界,人工智能解决方案的搭载正在积极推进。影像获取所用的传感器、物体亮度、至物体的距离等影像获取环境因使用者而异,因此对具备适应能力的人工智能解决方案需求很大。目前大多数人工智能技术因缺乏适应能力、可信度较低,在实际现场的可用性受限。

KAIST生物及脑工程系研究员李灿锡表示:“同时学习数据与物理法则的自适应人工智能技术,预计不仅可用于全息影像,还可应用于超高分辨率影像、三维影像、非视线影像(观察障碍物背面的影像)等多种计算影像技术。”

研究团队今后计划集中开发对随机噪声或数据形态均不受限制的通用复原算法。

本次研究由KAIST生物及脑工程系博士生李灿锡作为第一作者参与,已于1月17日刊登于国际学术期刊《自然·机器智能》(Nature Machine Intelligence)。

阅读韩文原文