دانشمندان دانشگاه «کاردیف» با استفاده از یک الگوریتم یادگیری عمیق به نام «شبکه کانولوشنال» یک سیستم هوش مصنوعی طراحی کرده‌اند که می‌تواند مناطقی از یک تصویر که در تمایز با سایر نواحی آن تصویر است را، شناسایی کند. شبکه کانولوشنال برای تقلید از شبکه عصبی به هم پیوسته مغز انسان طراحی شده است و به طور خاص بر روی قشر بینایی متمرکز است.
این سیستم کاربردهای گسترده‌ای دارد. به عنوان مثال، می‌توان به ارتباطات چند رسانه‌ای، نظارت تصویری و یافتن تومورها در تصاویر پزشکی اشاره کرد.
نتایج این مطالعه در مجله «Neurocomputing» به چاپ رسیده است.
مغز انسان به صورت غیرارادی میان بخش‌های مختلف یک تصویر تمایز ایجاد می‌کند. دانشمندان می‌گویند این سیستم هوش مصنوعی قادر است همانند ذهن انسان رفتار کرده و تمایز میان بخش‌های مختلف را تشخیص دهد.
این نوع الگوریتم برای گرفتن تصاویر به عنوان ورودی و ایجاد تمایز میان بخش‌های مختلف هر تصویر به کار برده می‌شود. برای مثال، اگر در تصویر جسمی با شکل و ظاهر خاص و یا متفاوت از کل تصویر موجود باشد، این الگوریتم قادر به تشخیص و شناسایی آن است.
در آموزش و بررسی میزان کارایی این الگوریتم، تیم تحقیقاتی از یک پایگاه داده عظیم از تصاویر استفاده کردند که مناطق خاصی از هر تصویر پیش از این توسط انسان مشخص شده بود. این تصاویر در الگوریتم فراخوانی شدند تا با بررسی نقاط مشخص شده، دقت پیش‌بینی نواحی خاص توسط این الگوریتم افزایش یابد – به عبارت دیگر، این الگوریتم با مشاهده نمونه‌های انجام شده توسط انسان، وارد مرحله یادگیری و افزایش دقت شود.
محققان دانشگاه کاردیف پس از آنکه این سیستم هوش مصنوعی را طراحی کردند، حالا در تلاش هستند تا به کمک رادیولوژیست‌ها بتوانند ضایعات موجود در تصاویر پزشکی را با سرعت و دقت بالا تشخیص دهند.
موفقیت این الگوریتم در پردازش تصویر در علم پزشکی بسیار کاربرد خواهد داشت. هنگامی که تصاویر پزشکی در این الگوریتم بارگذاری شود، این سیستم می‌تواند با بررسی نقاط خاص به تشخیص ضایعات در تصاویر پزشکی کمک کند.
