Группа студентов из Университета Британской Колумбии в Оканагане помогла создать технологию, которая может улучшить методы обнаружения всего — от опухолей до лесных пожаров
Под руководством доцента Сяопин Ши из Департамента компьютерных наук, математики, физики и статистики Университета Британской Колумбии в Оканагане студенты разработали и протестировали систему под названием адаптивная сегментация на основе модели с несколькими точками изменения (MEBS).
Этот метод использует передовую математику для выделения важных деталей на сложных или зашумлённых изображениях, которые часто сбивают с толку существующие методы обнаружения.
«Этот проект дал нам возможность поработать над чем-то, что может иметь реальное значение», — говорит Цзиатао Чжун, магистрант UBCO и ведущий автор исследования. «Интересно осознавать, что созданная нами система может помочь врачам раньше выявлять болезни и помочь учёным более эффективно отслеживать лесные пожары».
Работа, недавно опубликованная в Scientific Reports, показывает, что MEBS может помочь медицинским работникам находить признаки заболеваний на медицинских снимках, помогать учёным-ботаникам отслеживать рост клеток и предоставить пожарным-мониторам более быстрый способ определения очагов возгорания из космоса.
«Наши студенты сыграли большую роль в создании и совершенствовании этой модели, и у них была возможность применить её к реальным задачам», — говорит доктор Ши. «Навыки, которые они приобрели в программировании, анализе данных и прикладной математике, дадут им преимущество в будущей карьере».
Исследование команды показало успех в нескольких ключевых областях:
Доктор Юэцзяо Фу сотрудничала с доктором Ши над статьёй, в то время как студенческая команда — Чжун, Шийин Ду, Канруо Шен, Итинг Чен, Медха Найду и Мин Гао — работала над задачами, начиная от кодирования и тестирования и заканчивая проведением экспериментов на медицинских и спутниковых изображениях.
Вместе они продемонстрировали, что MEBS может делать то, что не могут многие существующие инструменты: автоматически адаптироваться, когда изображение не соответствует типичным шаблонам, повышая точность без дополнительной ручной работы.
Большинство инструментов для обработки изображений используют фиксированные правила, которые не всегда работают в реальном мире. Медицинские снимки и спутниковые изображения часто бывают зашумлёнными или непоследовательными.
MEBS выделяется тем, что адаптируется к самому изображению — обнаруживает едва заметные сдвиги и делит сложные визуальные образы на полезные разделы. Это приводит к более точным результатам для врачей, учёных и пожарных-мониторов.
Предоставлено Университетом Британской Колумбии.