블로그

Jun 07, 2023

WiMi, 자동차의 일반화 학습 알고리즘 개발

베이징, 2023년 8월 15일 /PRNewswire/ -- 선도적인 글로벌 홀로그램 증강 현실("AR") 기술 제공업체인 WiMi Hologram Cloud Inc.(나스닥: WIMI)("WiMi" ​​또는 "회사")는 오늘 다음과 같이 발표했습니다. ㅏ

베이징, 2023년 8월 15일 /PRNewswire/ -- 선도적인 글로벌 홀로그램 증강 현실("AR") 기술 제공업체인 WiMi Hologram Cloud Inc.(나스닥: WIMI)("WiMi" ​​또는 "회사")는 오늘 다음과 같이 발표했습니다. X-envisioned 이미지를 위해 X-ray 이미지 분석의 일반화된 학습 알고리즘이 개발되었으며 이를 자동 인공 지능 X-ray 이미지 분석(Auto-AIX)이라고 합니다.

X선 영상 분석은 골밀도, 장기 형태, 조직 밀도 등 다양한 특징을 감지하는 복잡한 과정입니다. 전통적으로 이 프로세스는 전문 지식을 활용하여 특징을 식별하고 분석하는 의료 전문가가 수동으로 수행했습니다. 그러나 이 방법은 시간이 많이 걸리고 사람의 실수로 인해 오진이 발생하고 환자 예후가 좋지 않을 수 있습니다.

WiMi는 X선 이미지 분석 프로세스를 자동화하기 위해 인공 지능 알고리즘을 사용하는 방법을 모색해 왔습니다. 이러한 알고리즘은 X선 이미지의 대규모 데이터 세트에서 학습하도록 설계되었으며 인간 전문가가 감지하기 어렵거나 불가능한 패턴과 특징을 인식할 수 있습니다. AI 알고리즘은 엑스레이 이미지 분석 프로세스를 자동화함으로써 진단 속도와 정확성을 높이는 동시에 의료 전문가의 업무량을 줄일 수 있는 잠재력을 가지고 있습니다. 그러나 X선 이미지 분석을 위한 효과적인 AI 알고리즘을 개발하려면 훈련 및 검증을 위한 크고 다양한 X선 이미지 데이터 세트가 필요합니다. AI 알고리즘이 이미지 특징을 정확하게 인식할 수 있도록 이 데이터 세트를 신중하게 선택하고 주석을 달아야 합니다.

WiMi는 다양한 X선 이미지 세트로부터 학습하여 실제 애플리케이션에 사용하기에 적합하도록 설계된 X선 이미지 분석을 위한 일반화된 학습 알고리즘을 개발했습니다. 이 알고리즘은 크고 다양한 X선 이미지 데이터 세트를 사용하여 훈련된 심층 신경망 아키텍처를 기반으로 합니다. 알고리즘이 골밀도, 장기 형태, 조직 밀도 등 관심 있는 특징을 정확하게 식별할 수 있도록 데이터 세트를 대조하고 주석을 달았습니다. 알고리즘의 일반화 능력을 향상시키기 위해 데이터 확장 및 도메인 무작위화와 같은 여러 기술이 구현됩니다. 데이터 확장은 원본 X선 이미지에 회전, 크기 조정, 뒤집기와 같은 일련의 변환을 적용하여 더 크고 다양한 훈련 데이터 세트를 만드는 것으로 구성됩니다. 도메인 무작위화에는 훈련 데이터에 무작위 노이즈와 섭동을 추가하는 작업이 포함되며, 이는 알고리즘이 새로운 X선 이미지와 보이지 않는 X선 이미지를 일반화하는 데 도움이 됩니다. 이 알고리즘은 기존 CPU부터 고성능 GPU까지 다양한 하드웨어 플랫폼에서 실행되도록 설계되었습니다. 따라서 하드웨어 리소스가 제한되거나 가변적일 수 있는 실제 환경에 배포하는 데 적합합니다.

Auto-AIX에는 일반화된 학습 알고리즘을 사용한 데이터 수집, 생성 및 주석이 포함되어 있습니다. 데이터 수집, 생성 및 주석은 딥 러닝 모델 구축의 핵심입니다. 의료 영상 분야에서는 환자의 개인 정보 보호 및 기밀 유지로 인해 실제 데이터의 수집 및 사용에 많은 제한이 있습니다. 그리고 Auto-AIX는 컴퓨터에서 생성된 합성 데이터를 사용하여 이러한 제한을 우회합니다. 구체적으로 CT를 사용하여 X선 이미지를 모델링함으로써 합성 데이터에 사실적인 모양과 디테일을 제공하여 모델의 정확도를 향상시킵니다.

Auto-AIX에서 합성 데이터를 생성하는 첫 번째 단계는 CT 스캔이나 수술 도구를 사용하여 모델링할 수 있는 의료 모델을 만드는 것입니다. 그런 다음 의료 모델에 노이즈와 변형을 주입하여 실제 데이터에 나타날 수 있는 다양한 상황과 변형을 포괄하는 여러 샘플을 생성할 수 있습니다. 마지막으로 이러한 샘플에는 특징과 질병을 수동으로 라벨링하는 방식으로 주석이 추가됩니다. 이러한 주석은 다른 모든 합성 데이터에 자동으로 적용될 수 있으므로 상당한 시간과 인건비를 절약할 수 있습니다. 이 프로세스를 Auto-AIX에서는 "도메인 확장"이라고 합니다. 이를 통해 합성 데이터 도메인을 더 넓은 범위의 데이터세트로 확장할 수 있습니다.