AI算法能检测大脑缺陷，有助于治疗癫痫疾病

AI算法能检测大脑缺陷，有助于治疗癫痫疾病北京时间8月16日上午消息，据报道，目前，科学家最新研发一种AI算法，能够检测出癫痫患者早期症状，甚至包括经验丰富的资深医师可能忽略的症状。该AI算法能检测出患有一种罕见疾病的患者，准确率达到60%以上，相比之下，核磁共振成像未发现任何隐性症状。研究结果表明，AI算法在扫描中发现了538例FCD症状，其中包括112例放射科医师无法检测到的病例。这种罕见疾病是癫痫，据称，英国和美国居民癫痫发病率达1%，该疾病会导致患者大脑出现不受控制的脑电流爆发，从而引发痉挛抽搐。任何人都可能出现惊厥痉挛，但并不意味着他们必然都患有癫痫，通常癫痫患者确诊之前可能不止一次出现痉挛抽搐。当大脑突然脑电流爆发时，就会出现癫痫，导致大脑运行中断，部分患者癫痫发作时人们仍保持警觉状态，能够感知到周围环境，而部分患者癫痫发作时会完全失去意识，处于极度危险境地。有时癫痫患者会出现不同寻常的感觉、认知和活动，或者身体僵硬摔倒在地板上不断抽搐，在任何年龄时期，中风、脑感染、头部损伤或者出生时导致缺氧的问题都可能诱发癫痫，在超过50%以上的病例中，医师无法找到具体病因，相关治疗癫痫药物也无法完全治愈，但有助于停止或者减少癫痫发作，如果药物治疗仍无效，患者只能选择脑部手术。导致癫痫的一个诱因是耐药性局灶性脑皮质发育不良(FCD)，这是大脑的一种细微异常，会导致大脑信号传输失效。癫痫能通过手术进行治疗，但该疾病对大脑产生的变化非常微妙，即使是经验丰富的放射科医师进行核磁共振扫描时也可能忽略该疾病征兆。但基于英国伦敦大学学院研究团队研发的一种AI算法，可以检测到63%的FCD症状，这是之前医护人员很难检测到的，也是诱发癫痫发作的重要因素之一。研究人员称，他们的AI模型能为更多癫痫患者进行大脑手术，提供最佳治愈机会。据悉，在英国，大约有60万癫痫患者，但仅有20-30%的患者对药物没有反应。脑细胞或者神经元细胞，通常会形成有组织的细胞层，形成大脑皮层。对于FCD患者，其脑细胞是无序紊乱的，从而导致痉挛抽搐的风险更高。在接受手术控制病情的儿童癫痫患者中，FCD症状是最常见的病因，对于需要手术治疗的成年人群，FCD是第三大常见病因。然而，令医务人员棘手的是很难通过核磁共振扫描检测到FCD症状，在最新研究中，研究人员从22项全球癫痫疾病研究中收集了1000多张核磁共振扫描图像，一组放射科专家将扫描结果标记为健康或者FCD症状，之后运行AI算法检测扫描异常现象。这项AI算法涉及患者大脑30万个区域信息，该研究报告发表在《大脑》杂志上，研究结果表明，AI算法在扫描中发现了538例FCD症状，其中包括112例放射科医师无法检测到的病例。研究人员称，这一点非常重要！因为当前局灶性脑皮质发育不良(FCD)症状主要依赖于及时检测发现，再选择手术治疗。伦敦大学学院皇后广场神经学研究所研究员康拉德·瓦格斯蒂尔(KonradWagstyl)博士说：“这种...PC版：https://www.cnbeta.com/articles/soft/1304879.htm手机版：https://m.cnbeta.com/view/1304879.htm

有针对性的大脑网络连接断开可能会改善癫痫手术效果

有针对性的大脑网络连接断开可能会改善癫痫手术效果作为最常见的神经系统疾病之一，癫痫影响着全世界约5000万人。额叶癫痫是一种常见的癫痫形式，其特点是短暂的发作，通常发生在睡眠期间。抗药性或耐药性癫痫--也被称为不受控制的、难治的或难治的癫痫--通常通过手术治疗，将产生癫痫发作的大脑部分切除。当癫痫发作活动集中在一个地方时，手术是最有效的。但是，对于那些因源自额叶的癫痫发作而接受切除手术的癫痫患者来说，只有不到30%的人能够长期保持无癫痫发作。伦敦大学学院的研究人员通过深入研究以前接受过额叶切除术的患者的额叶来寻求这个问题的答案。在分析了2007年至2021年间做过额叶手术的47名患者的MRI扫描后，研究人员发现，长期不发作与连接额叶和大脑丘脑及纹状体的神经通路断开有关。丘脑是大脑中间的一个蛋形结构，是所有传入运动和感觉信息的中转站。它还负责保持人的清醒，并与大脑的边缘系统相连，后者处理和调节情绪，形成和储存记忆，并参与学习。纹状体是一组结构的集合--caudate,putamen以及nucleusaccumbens--最有名的是促进自愿运动，但也在大脑的奖励系统中起作用。研究人员发现，在切断这一特定神经通路的患者中，88%的患者在三年后没有癫痫发作，80%的患者在五年后没有癫痫发作，而额叶切除术的典型结果是如此。重要的是，手术没有对患者的语言或执行功能产生负面影响--这是一套心理技能，包括工作记忆、灵活思考和自我控制。研究人员说，这些发现在很大程度上解释了为什么切除手术对一些人有效而对另一些人无效。该研究的主要作者DavideGiampiccolo说："神经外科手术对药物治疗无法控制的癫痫患者非常有效。然而，在一些病人中，手术后数年会有癫痫复发，直到现在，还不清楚为什么会发生这种情况。我们现在认为这可能与大脑中的连接有关，这些连接形成了一个网络，引起了癫痫的发作"。研究人员说，识别并随后"断开"额叶网络的问题部分不仅可以防止癫痫发作，而且可以带来更有效和个性化的神经外科治疗。Giampiccolo说："这将使我们能够重新设计神经外科手术，并为每个病人进行个性化操作，确保切断正确的连接。我们希望这将使癫痫手术的长期效果得到极大改善"。研究人员打算用一个更大的患者群来证实他们的发现。该研究发表在《大脑》杂志上。...PC版：https://www.cnbeta.com.tw/articles/soft/1355413.htm手机版：https://m.cnbeta.com.tw/view/1355413.htm

《深入浅出AI算法：基础概览》迈入人工智能算法大门

名称：《深入浅出AI算法：基础概览》迈入人工智能算法大门描述：《深入浅出AI算法：基础概览》从理论到实践，循序渐进地介绍了人工智能算法的基础知识，帮助读者敲开人工智能算法之门。提供PDF、azw3、mobi、epub格式。链接：https://pan.quark.cn/s/2222d056cc76大小：20.9MB标签：#AI#人工智能#图书#深入浅出AI算法#quark频道：@yunpanshare群组：@yunpangroup

人工智能可能可以帮助严重不育的男性成为父亲

人工智能可能可以帮助严重不育的男性成为父亲无精症是指由于精子生成异常，射出的精液中完全没有精子，可由遗传、荷尔蒙失衡、辐射和毒素及药物引起。为了帮助他们成为父亲，患有无精症的男性必须接受一场手术，即切除他们的部分睾丸并手动提取精子，以便用于使其伴侣的卵子受精。胚胎学家可能需要长达6个小时来分离组织样本，以找到并分离精子，鉴于其他细胞和颗粒的存在，这可能是一个挑战。悉尼科技大学(UTS)的研究人员开发了一种人工智能算法，该算法可以免去在组织样本中寻找精子所需的人工劳动，并能快速而准确地完成。该算法被称为SpermSearch，使用数千张以精子和大量其他细胞和碎片为特征的静态显微镜图像进行训练，只突出精子。这使得该算法能够识别出精子的模样。研究人员使用了健康的精子和睾丸组织样本，这些样本来自7名年龄在36至55岁之间被诊断为无精症的男性，他们已经接受了精子检索。这些男性捐献了未用于手术的剩余组织。研究人员随后比较了人工智能与胚胎学家在识别精子的时间和准确性方面的表现。结果显示，人工智能总体上发现了更多的精子，但有些精子只被胚胎学家发现，有些则被人工智能单独发现。胚胎学家发现了560个精子，而人工智能则发现了611个。该算法识别精子的时间不到胚胎学家的1000分之一，而且比胚胎学家的准确率高5%。研究人员指出，这是一项概念验证研究，需要在临床试验中进行测试。但是，他们说，它强调了使用人工智能进行精子检测的有用性。欧洲人类生殖和胚胎学学会主席卡洛斯-卡尔哈兹-豪尔赫说："对于被诊断为非阻塞性无精症的男性来说，用从睾丸中取出的精子进行ICSI是拥有生物孩子的唯一现实机会。这是一项关于使用人工智能在经历这种类型不孕的男性中寻找健康精子的初步研究。在显微镜下寻找睾丸活检碎片中的健康精子可能是一个艰巨的过程。使用人工智能使这个过程更快、更准确的前景是非常有趣的。我们需要看到更多的研究，以便在这些结果的基础上更进一步"。这项研究在2023年6月27日举行的欧洲人类生殖与胚胎学学会年会上发表。...PC版：https://www.cnbeta.com.tw/articles/soft/1367667.htm手机版：https://m.cnbeta.com.tw/view/1367667.htm

人工智能通过分析雷达数据帮助科学家追踪冰山

人工智能通过分析雷达数据帮助科学家追踪冰山就在上周，世界上最大的冰山A23a（其面积是大伦敦地区的两倍多）在搁浅近三十年后才从海底挣脱出来，正在南极海洋向北漂浮。与此同时，成千上万个较小的冰山不断从南极冰架崩解并飘入大海。所有这些冰山的影响不仅仅是对航运造成危害。随着几十年的融化，它们释放出寒冷的淡水和营养物质，这些水和营养物质可以改变当地的生态以及海洋环流的复杂动态、海冰的破裂，甚至全球海平面。问题在于，所有这些像巨大的薄荷冰镇酒一样漂浮的冰块数量如此之多，并且以如此混乱的方式移动，以至于很难识别它们，更不用说追踪它们了。为了解决这个问题，艾伦图灵研究所资助的一组科学家一直在使用欧空局Sentinel-1卫星的合成孔径雷达(SAR)，该雷达可以在任何天气条件下昼夜扫描冰山。雷达数据并不新鲜，但使用无监督的人工智能算法来分析2019年10月至2020年9月收集的读数，该读数在南极洲西部阿蒙森海海湾思韦茨冰川崩解前缘中识别出近30,000个面积约为1平方公里（0.4英里²）或更小的冰山。研究人员希望通过准确探测和跟踪冰山，有可能开发出南极海洋的数字孪生体，从而更好地了解海洋、冰和大气如何相互作用的复杂物理现象。英国南极调查局(BAS)人工智能实验室的本·埃文斯(BenEvans)表示：“我们用于开发该工具的技术已广泛用于医学成像，因此我们很高兴能够将相同的技术应用于极地海洋SAR卫星图像中看到的复杂特征。我们使用的方法与其他替代冰山检测方法一样准确，并且性能优于大多数方法，无需人工输入。这意味着它可以轻松扩展到我们的研究区域之外，甚至提供近乎实时的监控。”该研究发表在《环境遥感》上。...PC版：https://www.cnbeta.com.tw/articles/soft/1400599.htm手机版：https://m.cnbeta.com.tw/view/1400599.htm

研究发现人工智能算法对黄色皮肤存在偏见

研究发现人工智能算法对黄色皮肤存在偏见索尼公司的研究人员表示，目前常用的肤色测量方法仅使用从最浅到最深或从白到黑的滑动尺度来表示肤色，从而忽略了黄色和红色色调对人类肤色范围的影响。他们发现，生成式人工智能系统、图像抓取算法和照片分析工具在处理较黄的皮肤时都特别吃力。同样的弱点也可能适用于各种已被证实准确性会受肤色影响的技术，如用于人脸识别、身体跟踪和深度伪造检测的人工智能软件，或心率监测器和运动探测器等小工具。索尼公司首席研究科学家兼人工智能伦理全球负责人爱丽丝-项（AliceXiang）说："如果只是以这种非常单一的方式对产品进行评估，那么就会有很多偏见没有被发现和减轻。我们的希望是，我们在这里所做的工作可以帮助取代一些现有的肤色量表，这些量表实际上只关注浅色与深色。"但并非所有人都确信，现有的选择不足以对人工智能系统进行分级。哈佛大学社会学家埃利斯-蒙克（EllisMonk）说，他去年与Google一起推出的由10种肤色组成的调色板，提供了从浅到深的选项，但这并不是单一维度的。蒙克说："我必须承认，我对之前这方面的研究忽略了底色和色调的说法感到有些困惑。研究工作致力于决定在量表中优先考虑哪些肤色，以及在哪些点上优先考虑哪些肤色。他根据自己对肤色歧视的研究，并在咨询了其他专家和来自代表性不足社区的人之后，选择了他的量表中的10种肤色。"X.人工智能伦理咨询公司MaloSanto的首席执行官、Google肤色研究团队的创始人Eyeé表示，蒙克量表从未打算作为最终解决方案，并称索尼的工作是重要的进步。但Eyeé也提醒说，相机定位会影响图像中的CIELAB颜色值，这是导致该标准成为潜在不可靠参考点的几个问题之一。Eyeé说："在我们将皮肤色调测量应用于现实世界的人工智能算法（如相机滤镜和视频会议）之前，还需要做更多的工作来确保测量的一致性。"关于量表的争论不仅仅是学术性的。找到人工智能研究人员所说的"公平性"的适当衡量标准，是科技行业的当务之急，因为欧盟和美国等国的立法者正在讨论要求公司对其人工智能系统进行审计，并指出风险和缺陷。索尼公司的研究人员说，不健全的评估方法可能会削弱法规的一些实际好处。关于肤色，Xiang说，制定更多改进措施的努力是有必要的："我们需要不断尝试，以取得进展。根据不同的情况，不同的措施可能会被证明是有用的。我很高兴，在长期被忽视之后，人们对这一领域的兴趣与日俱增。"Google发言人布莱恩-加布里埃尔（BrianGabriel）则表示，公司欢迎这项新研究，并正在对其进行审查。人的肤色来自于光线与蛋白质、血细胞以及黑色素等色素的相互作用。测试算法是否因肤色而产生偏差的标准方法是检查算法在不同肤色上的表现，从最浅到最深的六个选项被称为菲茨帕特里克量表。该量表最初由皮肤科医生开发，用于评估皮肤对紫外线的反应。去年，科技界的人工智能研究人员对Google推出的蒙克量表大加赞赏，称其更具包容性。索尼公司的研究人员在本周于巴黎举行的国际计算机视觉会议（InternationalConferenceonComputerVision）上提交的一份研究报告中称，用于照片编辑和制造的国际色彩标准CIELAB为表现皮肤的广泛光谱提供了一种更忠实的方法。当他们应用CIELAB标准分析不同人的照片时，发现他们的皮肤不仅在色调（颜色的深度）上存在差异，而且在色相（即颜色的渐变）上也存在差异。不能正确捕捉人体皮肤中红色和黄色色调的肤色尺度似乎帮助了一些偏差在图像算法中不被发现。索尼公司的研究人员测试了开源人工智能系统，包括Twitter开发的图像捕捉器和一对图像生成算法，他们发现这些算法偏爱红色皮肤，这意味着在算法输出的最终图像中，大量皮肤偏黄的人没有得到充分体现。这有可能使包括东亚、南亚、拉丁美洲和中东在内的不同人群处于不利地位。索尼公司的研究人员提出了一种表现肤色的新方法，以捕捉以前被忽视的多样性。他们的系统使用两个坐标而不是一个数字来描述图像中的肤色。它既指定了肤色从浅到深的位置，也指定了从黄到红的位置，即化妆品行业有时所说的从暖到冷的底色。新方法的工作原理是分离图像中显示皮肤的所有像素，将每个像素的RGB颜色值转换为CIELAB代码，然后计算皮肤像素群的平均色调和色调。研究中的一个例子显示，前美国橄榄球明星特雷尔-欧文斯和已故女演员伊娃-嘉宝的明显头像具有相同的肤色，但色调不同，欧文斯的图像偏红，嘉宝的图像偏黄。不能正确捕捉人体皮肤红色和黄色色调的色标有助于图像算法中的偏差不被发现。当索尼团队将他们的方法应用于网上的数据和人工智能系统时，他们发现了重大问题。研究人员发现，CelebAMask-HQ（一个用于训练面部识别和其他计算机视觉程序的流行名人面孔数据集）有82%的图像偏向红色肤色，而另一个由NVIDIA开发的数据集FFHQ有66%偏向红色。在FFHQ上训练的两个人工智能生成模型再现了这种偏差：它们各自生成的每五张图像中，约有四张偏向红色色调。问题还不止于此。根据索尼公司的研究，当要求人工智能程序ArcFace、FaceNet和Dlib识别两张肖像是否对应同一个人时，它们在红色皮肤上的表现更好。Dlib的开发者戴维斯-金（DavisKing）说，他对这种偏差并不感到惊讶，因为该模型主要是在美国名人照片上训练出来的。微软Azure和亚马逊网络服务公司提供的用于检测微笑的云人工智能工具在较红的色调上也有较好的效果。微软负责人工智能工程的萨拉-伯德（SarahBird）说，公司一直在加强对公平性和透明度的投资。亚马逊发言人帕特里克-尼霍恩（PatrickNeighorn）说："我们欢迎与研究界合作，我们正在仔细审查这项研究。"NVIDIA则拒绝发表评论。作为一个黄皮肤的人，Xiang对揭示当今人工智能测试方式的局限性非常关注。她表示，索尼将使用新系统分析自己的以人为本的计算机视觉模型，因为这些模型需要接受审查，但她拒绝具体说明是哪些模型。"我们每个人的皮肤都有不同的色调。这不应该被用来歧视我们，"她说。索尼的做法还有一个潜在优势。像Google的蒙克量表（Monkscale）这样的测量方法需要人类对特定个体的皮肤在光谱中的位置进行分类。人工智能开发人员说，这是一项会带来变数的任务，因为人们的看法会受到所在位置或自身种族和身份观念的影响。索尼的方法是完全自动化的，不需要人工判断。但哈佛大学的蒙克质疑这是否更好。像索尼这样的客观测量方法最终可能会简化或忽略人类多样性的其他复杂性。他说："如果我们的目标是剔除偏见，而偏见也是一种社会现象，那么我就不太确定我们是否应该从分析中剔除人类是如何从社会角度看待肤色的。"...PC版：https://www.cnbeta.com.tw/articles/soft/1387957.htm手机版：https://m.cnbeta.com.tw/view/1387957.htm