Category Archives: Technologie

Die KI könnte MRT-Scans bis zu 10 mal schneller machen.

Bei einer MRT muss man sich in einer lauten, klaustrophobischen Röhre befinden. Das macht vielen keinen Spaß. Für andere – wie Kinder oder sehr unwohl – ist es schlimmer. Um diese Diagnosetools noch schneller laufen zu lassen, erforschen Forscher eine neue Taktik: Mithilfe künstlicher Intelligenz erfassen sie die vom MRT-Gerät erzeugten Rohdaten und erzeugen lesbare Bilder.

Der Grund, warum MRT-Scans langsam sind, erklärt Daniel Sodickson, Professor an der Radiologischen Abteilung der NYU School of Medicine, dass sie alle Daten erfassen müssen, die für ein schönes Bild für einen Radiologen erforderlich sind. Ein Kniescan kann etwa 15 bis 20 Minuten dauern. ein Gehirn für 30 Minuten; Die Darstellung eines Herzens kann eine Stunde dauern. Aber was wäre, wenn Sie diese Maschine schneller laufen lassen und trotzdem ein brauchbares Bild erhalten könnten?

Mit Hilfe von AI “kann es möglich sein, weniger und damit schnellere Daten zu erfassen, während der gesamte Informationsgehalt von Magnetresonanzbildern beibehalten oder sogar verbessert wird”, sagt Sodickson.

So würden sie es tun: Sie würden den MRT-Scan schneller durchführen und weniger Rohdaten sammeln. Anstatt diese Rohdaten auf herkömmliche Weise zu interpretieren, einschließlich eines bewährten mathematischen Prozesses ohne AI, trainieren sie künstliche Intelligenz für die Konvertierung von Daten in Bilder. Wenn Forscher versuchen, schnelle MRT-Daten auf herkömmliche Weise zu interpretieren, sind die Ergebnisse schlecht, da überhaupt nicht genügend Daten vorliegen. Sie sind besser mit AI.

Ziel ist es nun, einen bis zu zehnmal schnelleren MRT-Scan durchzuführen und ein Bild mit der erforderlichen Genauigkeit zu erhalten. Forscher an der NYU arbeiten seit 2016 an dieser Idee und haben nun bekannt gegeben, dass sie mit dem Facebook-KI-Forschungsteam namens FAIR zusammenarbeiten, um sie voranzutreiben.

Eine schnellere MRT wäre eine gute Sache – Patienten würden weniger Zeit in Geräten verbringen, und Bildgebungszentren und Krankenhäuser könnten mehr Tests pro Tag durchführen. Ein weiterer Vorteil dieser Forschung ist, dass ein Arzt, wenn ein MRT schnell genug ablaufen könnte, einen dieser Scans anstelle eines herkömmlichen Röntgen- oder CT-Scans anordnen und den Patienten vor der Strahlendosis bewahren könnte, die er sonst erhalten würde, ebenso wie die Magnetresonanztomographie Bildgebung Es wird keine Strahlung verwendet, um ihre Arbeit zu erledigen, wie dies bei diesen anderen Scans der Fall ist.

Das Projekt stellt einen interessanten Ansatz zur Integration künstlicher Intelligenz in die Medizin dar. KI wird oft verwendet, um zu analysieren, was in einem Bild enthalten ist. Im täglichen Leben können dies Bilder von Nudeln oder Hotdogs sein, die beispielsweise auf Yelp hochgeladen wurden. Oder im Fall von medizinischen Bildern wie Röntgenaufnahmen wurden Forschungsstudien mit der KI durchgeführt, um die Tuberkulose in Röntgenaufnahmen oder Knien mittels MRT zu analysieren. In Zusammenarbeit mit dem englischen Alphabet DeepMind und Moorfields Eye Hospital wird die AI dreidimensionale Scans des Rückens von Patienten analysieren und sogar Behandlungsvorschläge machen.

In diesem Fall ist die Strategie jedoch anders: Die KI hilft in erster Linie dabei, das Bild zu erstellen.

“AI ist in der Lage, Transformationen zu erlernen, die für den menschlichen Verstand nicht sofort offensichtlich sind”, sagt Sodickson und bezieht sich auf den Prozess der Transformation der Rohdaten in das Bild, das Radiologen später lesen. “Die ersten Anzeichen sind sehr positiv, dass die KI dies gut kann.”

Es ist natürlich riskant, ein Bild aus weniger Daten als gewöhnlich zu erstellen. Was passiert, wenn die KI diese Daten interpretiert, um ein schönes Bild zu erhalten, aber etwas Kritisches verpasst? Ein kleiner Riss in einer Band oder ein kleiner Tumor? Sodickson sagt, das sei das größte Problem auf ihrem Radar. “Wir müssen sicher sein, dass das, was wir präsentieren, die Wahrheit ist”, sagt er. “Wir haben viele Möglichkeiten, das zu testen.”

Die KI erzeugt noch keine Bilder aus den schnellen Scans, die so gut sind wie die Bilder aus den langsameren, normaleren Scans, obwohl die KI bereits Bilder aus weniger Daten besser erzeugt als bisherige Methoden. “Sie sind besser als alles, was wir bisher bekommen konnten, sie sind einfach nicht ganz so gut wie der vollständige [Scan]”, sagt er.

Hier ist, wie ein KI-Lügendetektor erkennen kann, wenn du fibst.

Künstliche Intelligenz ist überall – finden Sie heraus, was auf Lebensmittelfotos in Orten wie Yelp zu finden ist, helfen Sie Forschern, MRT-Scans schneller durchzuführen, und suchen Sie sogar nach Anzeichen von Depressionen in der Stimme einer Person. Aber hier ist eine Anwendung, die Sie möglicherweise nicht in Betracht gezogen haben: Lügenerkennung.

Diese Idee – ein KI-Fibre-Snoop – ist in den Nachrichten für ein Grenzsicherheitsprojekt in Europa mit dem Namen iBorderCtrl, das Technologie für “Fehlerkennung” enthält. Die Initiative umfasst einen zweistufigen Prozess, und der Teil der Lügenerkennung findet zu Hause statt. Nach Angaben der Europäischen Kommission beginnt das Protokoll mit einem Vorab-Screening-Prozess, bei dem auf das Geschlecht, die ethnische Zugehörigkeit und die Sprache des Reisenden zugeschnittene Antworten der Reisenden auf Fragen der computergestützten Grenzkontrolle per Webcam erfolgen “Deception Detection” analysierte die Mikroausdrücke von Reisenden, um herauszufinden, ob der Befragte lügt. ”

Es klingt wie Science-Fiction und erinnert natürlich auch an die verstörende Geschichte der Polygraphentests. Ein solches KI-System ist jedoch möglich. Die Frage ist: Wie genau kann es sein?

Rada Mihalcea, Professorin für Informatik und Ingenieurwesen an der Universität von Michigan, arbeitet seit etwa einem Jahrzehnt an der Aufdeckung von Täuschungen. So bauten sie einen KI-Illusionsdetektor und wie er funktioniert.

Das erste, was Forscher, die an künstlicher Intelligenz und maschinellem Lernen arbeiten, benötigen, sind Daten. Im Falle der Arbeit, die Mihalcea geleistet hat, fingen sie an, Videos von aktuellen Gerichtsverfahren zu verwenden. Zum Beispiel könnte ein Angeklagter, der in einem Gerichtsverfahren spricht, in dem er für schuldig befunden wurde, ein Beispiel für Täuschung liefern; Er verwendete auch Zeugnisse als Beispiele für wahrheitsgemäße oder betrügerische Aussagen. (Natürlich sind Algorithmen für maschinelles Lernen nur so gut wie die eingegebenen Daten, und es ist wichtig zu bedenken, dass jemand, der wegen eines Verbrechens verurteilt wurde, tatsächlich unschuldig sein kann.)

Alles in allem verwendeten sie 121 Videoclips und die entsprechenden Abschriften von dem, was sie sagten – ungefähr die Hälfte waren irreführende Aussagen und die andere Hälfte war wahr. Aus diesen Daten wurden Klassifikatoren für maschinelles Lernen erstellt, die letztendlich eine Genauigkeit von 60 bis 75 Prozent aufwiesen.

Eine Sache, die das System bemerkt hat? “Die Verwendung von lügnerischen Pronomen würde dazu tendieren, das Wort” ich “oder” wir “seltener zu verwenden, oder Dinge, die sich auf sich selbst beziehen”, erklärt Mihalcea. “Stattdessen benutzen Menschen, die lügen, eher” dich “,” dein “,” er “,” dich “,” dich “und” dich “. ”

Dies ist nicht das einzige sprachliche Signal: Jemand, der eine Lüge erzählt, würde “stärkere Wörter” verwenden, die “Gewissheit widerspiegeln”, sagt sie. Beispiele für diese Art von Wörtern sind “absolut”, “sehr” und “sehr”. Interessanterweise verwenden Menschen, die die Wahrheit sagen, eher Wörter wie “vielleicht” oder “wahrscheinlich”, um sich abzusichern.

“Ich denke, Leute, die täuschen, würden versuchen, die Lüge, die sie vorgebracht haben, wiedergutzumachen”, sagt sie, “und so versuchen sie, selbst sicherer zu sein.”

In Bezug auf die Gesten weist sie darauf hin, dass jemand, der betrügerisch ist, dem Befragten lieber direkt in die Augen schauen würde. Sie tendierten auch dazu, beide Hände beim Gestikulieren zu benutzen, anstatt nur eine, wie sie vermuteten, um zu versuchen, zu überzeugen. (Das Muster, das sie beschreibt, ist natürlich, dass wenn jemand Sie beim Sprechen ansieht und mit beiden Händen gestikuliert, das nicht bedeutet, dass er lügt.)

Dies sind all die faszinierenden kleinen Datenpunkte, die AI zu bemerken beginnt, nachdem Forscher ihnen Beispiele für das Arbeiten und Lernen gegeben haben. Aber Mihalceas Arbeit ist “nicht perfekt”, gibt sie zu. “Als Forscher sind wir begeistert, dass wir es geschafft haben, 75 Prozent [Genauigkeit] zu erreichen.” Mit anderen Worten, das ist die Fehlerrate von jedem vierten. “Ich halte es aufgrund der 25-prozentigen Fehlerquote für nicht praktikabel.”

Letztendlich sieht sie eine solche Technologie als unterstützende Maßnahme für den Menschen an – zum Beispiel könnte sie darauf hinweisen, dass sie etwas “Ungewöhnliches” in der Aussage eines Redners vermerkt hat und dann vielleicht eine Person mehr “untersuchen” lässt. Und das ist tatsächlich ein gängiger Anwendungsfall für KI: eine Technologie, die das ergänzt, was Menschen tun können.