![](https://static.digiato.com/digiato/2020/06/suture--910x600.jpg)
آموزش بخیه زدن به ربات از طریق ویدیوهای جراحی [تماشا کنید]
بخیه زدن بیماران پس از جراحی اهمیت بالایی دارد، اما برای پزشکان کاری یکنواخت محسوب میشود و آنها باید یک حرکت ساده را چندین بار انجام دهند. حالا اینتل و محققان دانشگاه «کالیفرنیا، برکلی» موفق ...
![محمد قریشی](https://digiato.com/wp-content/uploads/avatars/210361-32x32.jpg)
بخیه زدن بیماران پس از جراحی اهمیت بالایی دارد، اما برای پزشکان کاری یکنواخت محسوب میشود و آنها باید یک حرکت ساده را چندین بار انجام دهند. حالا اینتل و محققان دانشگاه «کالیفرنیا، برکلی» موفق به آموزش این کار به یک ربات شدهاند.
تیم دانشگاه برکلی به سرپرستی دکتر «آجی تنوانی» یک سیستم هوش مصنوعی یادگیری عمیق با نام «Motion2Vec» توسعه دادهاند. این سیستم برای مشاهده ویدیوهای جراحی طراحی شده تا با استفاده از آنها، قادر به شناسایی حرکات پزشکان در هنگام بخیه زدن باشد. این سیستم میتواند با دقت بالایی حرکات پزشکان را تقلید کند.
تنوانی اعلام کرده:
«درخواستهای زیادی برای یادگیری از طریق مشاهده عینی در مقایسه با یادگیری سنتی وجود دارد، چرا که حجم بالایی از اطلاعات کنونی ویدیویی هستند.»
دکتر «کن گلدبرگ»، سرپرست آزمایشگاه برکلی و مشاور تیم تنوانی، گفته:
«هر دقیقه ۵۰۰ ساعت ویدیو جدید در یوتیوب قرار میگیرد که آن را تبدیل به یک مخزن بینظیر میکند. هر انسانی میتواند این ویدیوها را مشاهده و حس کند، اما رباتها هنوز چنین قابلیتی ندارند و آنها را تنها به صورت پیکسل میبینند. با توجه به این موضوع، هدف از اینکار معنی دار کردن پیکسلها برای رباتها است. ربات باید بتواند ویدیوها را مشاهده کند، تحلیل کند و قادر به بخشبندی ویدیوها به صورت دنبالههای معنادار باشد.»
محققان برای دسترسی به این هدف، از شبکه «Siamese» برای تمرین هوش مصنوعی خود استفاده کردند. این شبکهها برای یادگیری اطلاعات بدون نظارت یا نظارت ضعیف کاربرد دارند. این شبکهها میتوانند درجه شباهت بین دو ورودی را رتبهبندی کنند و به همین علت اغلب برای کارهای تشخیص چهره کاربرد دارند.
پژوهشگران در جدیدترین تحقیق خود از این شبکهها برای مقایسه ورودی ربات و آنچه پزشکان در ویدیو انجام میدهند، استفاده کردهاند. محققان با استفاده از این شبکهها بدنبال افزایش مهارت ربات خود بودهاند. برای آموزش این ربات از ۷۸ ویدیو استفاده شد که نتیجه آن، دقت ۸۵.۵ درصدی با میانگین خطای ۰.۹۴ سانتیمتری بوده است.
فاصله زیادی تا ورود چنین فناوریهایی به دنیای واقعی داریم، البته به اعتقاد این تیم با ورود هوش مصنوعی به حوزه جراحی، شاهد استفاده گسترده از آنها خواهیم بودیم. این رباتها جایگزین جراحان نمیشوند اما میتوانند کارهای تکراری را انجام دهند. عملکرد و دقت این رباتها و سیستمها با گذر زمان بهبود پیدا خواهد کرد.
برای گفتگو با کاربران ثبت نام کنید یا وارد حساب کاربری خود شوید.