• Artykuły
  • Forum
  • Ciekawostki
  • Encyklopedia
  • GIARA - miękkie rozwiązanie obliczeniowe złożonych problemów medycznych

    23.09.2013. 15:37
    opublikowane przez: Redakcja

    Algorytm opracowany w celu poprawy delineacji guzów w obrazowaniu medycznym zyskał uznanie Europejskiego Towarzystwa Logiki Rozmytej i Obliczeń Miękkich (EUSFLAT). Innowacja ma automatycznie zapewnić najwyższą rozdzielczość, kiedy lekarz postanowi oddzielić tkankę nowotworową od zdrowej.

    Algorytm, opracowany przez Grupę ds. Sztucznej Inteligencji i Wnioskowania Przybliżonego (GIARA) przy hiszpańskim NUP/UPNA - Uniwersytecie Publicznym Nawarry, jest przykładem, jak "obliczenia miękkie" - nowo powstająca dyscyplina, która wykorzystuje nieprecyzyjność i niepewność - mogą zapewnić efektywne rozwiązania złożonych problemów. Obliczenia miękkie różnią się od tradycyjnych tolerancją dla przybliżenia, tak jak ma to miejsce w przypadku umysłu człowieka.

    Zespół GIARA skoncentrował się najpierw na badaniu obrazów mózgu uzyskanych za pomocą rezonansu magnetycznego. Następnie naukowcy opracowali algorytm w celu poprawienia procesu poprzez segmentację obrazu i umożliwienie wyodrębnienia każdego obiektu na obrazie. W ten sposób można analizować piksel po pikselu. W przypadku obrazów medycznych, w których znaczenie mają milimetry, proces ten znacznie ułatwi delineację guzów.

    "Wyobraźmy sobie, że mamy obraz mózgu uzyskany za pomocą rezonansu magnetycznego i siedmiu lekarzy, którzy obrysowali guz" - mówi Humberto Bustince, naukowiec z grupy GIARA. "Z doświadczenia wiemy, że każdy z nich obrysuje guz w inny sposób. Teraz, dzięki zaproponowanej metodzie, będą mieć do dyspozycji zestaw automatycznych opcji, które w każdym przypadku poprawią najgorszy z siedmiu wyborów".

    W rezultacie algorytm zdejmuje ryzyko decyzji z eksperta, gdyż automatycznie wybiera najlepszą - czy też najmniej niefortunną - funkcję.

    Prócz dokonania potencjalnego przełomu w procedurze medycznej, innowacja GIARA uwypukla także zmianę sposobu myślenia naukowców o obliczeniach. Obliczenia miękkie odzwierciedlają fakt, że umysł człowieka, w odróżnieniu od współczesnych komputerów, posiada niezwykłą zdolność do przechowywania i przetwarzania informacji, które mogą być nieprecyzyjne i niepewne.

    Udane zastosowanie obliczeń miękkich sugeruje, że ta dyscyplina będzie się w najbliższych latach rozwijać, a jej oddziaływanie znacznie się poszerzy o inne sektory i branże.
    Za: CORDIS


    Czy wiesz ĹĽe...? (beta)
    System ekspertowy – pojęcie z zakresu sztucznej inteligencji oznaczające system komputerowy, który emuluje proces podejmowania decyzji przez człowieka-eksperta. Systemy ekspertowe rozwiązują złożone problemy na podstawie analizy baz wiedzy, a nie realizację prostego algorytmu jak to ma miejsce w przypadku programów tradycyjnych. Algorytm zachłanny (ang. greedy algorithm) – algorytm, który w celu wyznaczenia rozwiązania w każdym kroku dokonuje zachłannego, tj. najlepiej rokującego w danym momencie wyboru rozwiązania częściowego. Innymi słowy algorytm zachłanny nie dokonuje oceny czy w kolejnych krokach jest sens wykonywać dane działanie, dokonuje decyzji lokalnie optymalnej, dokonuje on wyboru wydającego się w danej chwili najlepszym, kontynuując rozwiązanie podproblemu wynikającego z podjętej decyzji. Typowe zadanie rozwiązywane metodą zachłanną ma charakter optymalizacyjny. W dziedzinie sztucznej inteligencji zachłanna odmiana przeszukiwania lokalnego jest nazywana "podchodzeniem pod wzgórze". Algorytmy aproksymacyjne – algorytmy służące do znajdowania przybliżonych rozwiązań problemów optymalizacyjnych. Stosuje się je zwykle do rozwiązywania problemów, dla których nie są znane szybkie algorytmy znajdujące rozwiązanie dokładne, na przykład dla problemów NP-zupełnych.

    Własność optymalnej podstruktury – jest własnością problemów, które można rozwiązywać za pomocą algorytmów. Mówi się, że dany problem ma własność optymalnej podstruktury, jeżeli jego optymalne rozwiązanie jest funkcją optymalnych rozwiązań podproblemów. Heurystyka (gr. heuresis – odnaleźć, odkryć, heureka – znalazłem) - w informatyce metoda znajdowania rozwiązań, dla której nie ma gwarancji znalezienia rozwiązania optymalnego, a często nawet prawidłowego. Rozwiązań tych używa się np. wtedy, gdy pełny algorytm jest z przyczyn technicznych zbyt kosztowny lub gdy jest nieznany (np. przy przewidywaniu pogody lub przy wykrywaniu niektórych zagrożeń komputerowych, takich jak wirusy lub robaki). Metody używa się też często do znajdowania rozwiązań przybliżonych, na podstawie których później wylicza się ostateczny rezultat pełnym algorytmem. To ostatnie zastosowanie szczególnie dotyczy przypadków, gdy heurystyka jest wykorzystywana do nakierowywania pełnego algorytmu ku optymalnemu rozwiązaniu, aby zmniejszyć czas działania programu w typowym przypadku bez poświęcania jakości rozwiązania (np. algorytm A*).

    Algorytm Knutha-Morrisa-Pratta - algorytm wyszukiwania wzorca w tekście. Wykorzystuje fakt, że w przypadku wystąpienia niezgodności ze wzorcem, sam wzorzec zawiera w sobie informację pozwalającą określić gdzie powinna się zacząć kolejna próba dopasowania, pomijając ponowne porównywanie już dopasowanych znaków. Dzięki temu właściwy algorytm działa w czasie liniowym od długości przeszukiwanego tekstu i wzorca (co dla dużych wzorców ma znaczenie). Algorytm genetyczny - rodzaj algorytmu przeszukującego przestrzeń alternatywnych rozwiązań problemu w celu wyszukania rozwiązań najlepszych.

    Algorytm siłowy, algorytm brute force (ang. "brutalna siła" tj. niewspomagana umysłem) – określenie algorytmu, który opiera się na sukcesywnym sprawdzeniu wszystkich możliwych kombinacji w poszukiwaniu rozwiązania problemu, zamiast skupiać się na jego szczegółowej analizie. Przeszukiwanie tabu: Procedura (algorytm) (Tabu search - TS) stosowana do rozwiązywania problemów optymalizacyjnych. Wykorzystywana do otrzymywania rozwiązań optymalnych lub niewiele różniących się od niego dla problemów z różnych dziedzin (np. planowanie, planowanie zadań). Podstawową ideą algorytmu jest przeszukiwanie przestrzeni, stworzonej ze wszystkich możliwych rozwiązań, za pomocą sekwencji ruchów. W sekwencji ruchów istnieją ruchy niedozwolone, ruchy tabu. Algorytm unika oscylacji wokół optimum lokalnego dzięki przechowywaniu informacji o sprawdzonych już rozwiązaniach w postaci listy tabu (TL). Twórcą algorytmu jest Fred Glover.

    Algorytm wielomianowy – algorytm, którego czas działania ograniczony jest przez wielomian od rozmiaru danych wejściowych. Problemy, dla których istnieje algorytm wielomianowy nazywane są łatwymi do rozwiązania, w przeciwieństwie do problemów uważanych za trudne.

    Problem nierozstrzygalny – w teorii obliczeń – problem decyzyjny, dla którego nie istnieje algorytm, który po skończonej liczbie kroków jednoznacznie odpowie tak lub nie dla dowolnych danych wejściowych.

    Dodano: 23.09.2013. 15:37  


    Najnowsze