Az agy és a mesterséges intelligencia kapcsolatáról szóló szeminárium-sorozat következő előadására 2021. január 26-án (kedden) 16 órakor kerül sor. Az előadó Dávid Csaba lesz (Talamusz Kutatócsoport, KOKI).

Képanalízis során az egyik legnehezebben megoldható probléma a vizsgált objektumok pontos kiválasztása, az előtér és a háttér elkülönítése, különösen a jel-zaj viszony romlása esetén. A szubjektív (kézi) kiválasztás mellett a legáltalánosabban használt módszer a fényességi küszöbértéken alapuló szegmentálás, amit lehet automatizálni, tehát jóval gyorsabb. Utóbbinál azonban a kiugró értékek, illetve a zaj mértéke jelentősen rontja a megbízhatóságot. Emellett a küszöbérték beállítása alapvetően szubjektív, ami az ebben rejlő inherens hibalehetőség mellett rendkívül nehézzé teszi a különböző körülmények között készült képek összehangolt analízisét. Olyan módszert kerestünk, tehát, amely jól automatizálható, redukálja a szubjektivitást, robusztus a zajjal szemben és nem érzékeny a kép felvételből adódó egyedi különbségekre.

Kísérleteink során a térképészetből ismert lokális Moran-féle korrelációs koefficienst alkalmaztuk objektumok szegmentálására. A módszert először mesterségesen létrehozott objektumokon majd biológiai mintán teszteltük. Eredményeink szerint a lokális Moran módszeren alapuló szegmentálás mindkét esetben hatékonyabban választotta ki az objektumokat mint a küszöbértéken alapuló szegmentálás. Zaj növekedése esetén rendkívüli módon megnőtt a két módszer hatékonysága közötti különbség, mivel a küszöbérték módszer a zajt is jelnek azonosította, ami a Moran módszernél minimális volt.

Eredményeink alapján a Moran-féle térbeli korrelációs koefficiens eredményesen alkalmazható objektumok szegmentálására. Meggyőződésünk, hogy módszerünkkel más tudományterületek (pl csillagászat, vagy gépi látás) hasonló problémái is eredményesen megoldhatók.

 
Az előadáshoz ezen Zoom-linken lehet majd csatlakozni.