麻省理工学院的研究人员表示,他们已经开发出了一种能够在不到一秒钟内处理磁共振图像的算法,这对于医疗行业来说将是一项至关重要的进展。
目前,医生需要对比两个在不同时间单独拍摄MRI扫描图像,以追踪人体随着时间推移发生的变化。但是,进行这种对比是既复杂又耗时的,因为这个过程需要仔细排列这两个图像以便进行准确测量。医生需要将图像上的所有位置处理为3-D图,而当前的计算机需要花费很多时间来完成此操作。
MRI扫描的问题在于其中包含的信息量。基本上每个图像都是由数百个彼此叠置的二维图像组成的,以创建一个立体的3-D图,反过来又构成了被称为体素的三维像素。当对比两个MRI扫描图的时候,计算机必须对数百万体素进行排序,以确定它们在一个新的、统一图像中的位置。
由于这个过程需要几个小时才能完成,因此如果有大量图像要处理的话,医生就不得不等上数百个小时。麻省理工学院的研究人员说,使用具有更强处理能力的计算机是不切实际的,所以他们创建了一个名为“VoxelMorph”的新卷积神经网络,并称其更适合完成这项任务。
麻省理工学院的研究人员使用更多的7000个公开可用的人脑MRI扫描图来训练VoxelMorph。像VoxelMorph这样的神经网络将数据推入前端,然后通过多个节点传递给其他节点来加速对比的过程。同时,这个神经网络也会学习不同的常见体素组合及其解剖形状。
MIT News报道称:“这种方法使用CNN和被称为空间变换器的改进计算层,找出一个MRI扫描中的体素与其他扫描中的体素之间的相似性。在这个过程中,算法会学习关于体素组的信息——例如两个扫描之间共有的解剖形状——用于计算可应用于任何扫描对的优化参数。”
在这种训练之后,麻省理工学院的研究人员向VoxelMorph输入了250个新扫描图,以测试其有效性。该算法在两分钟内完成了这些扫描的处理,相比之下传统MRI分析程序需要大量时间。该测试使用常规的CPU,不过当研究人员使用GPU的时候,这个过程仅用了一秒钟时间。
麻省理工学院的研究小组表示,VoxelMorph在医疗领域有着显著应用,甚至可以改变医生进行某种手术的方式。例如,可以在操作过程中创建最新的扫描并将这些图像用于实时分析。
好文章,需要你的鼓励
本文探讨了AI驱动的网络攻击如何在短短51秒内突破网络防线,并介绍了CISO们应对这些超高速攻击的策略。重点包括零信任架构、身份验证强化、AI驱动的实时威胁检测等。文章强调了迅速撤销会话令牌、统一端点和云安全、以及从恶意软件检测转向凭证滥用预防的重要性。
Lovelace Studio 正在开发名为 Nyric 的 AI 工具,帮助玩家在生存制作类沙盒游戏中打造自己的游戏世界。玩家可以使用 AI 工具创建独特风格的世界,并与其他玩家互动。该工具旨在赋予独立创作者和社交玩家更多能力,让他们能够轻松构建和连接自己的虚拟世界。
随着AI代码生成工具的广泛应用,企业面临着新的挑战。AI生成的代码可能存在安全漏洞、架构问题和合规风险。为此,企业需要实施严格的验证流程,认识AI在复杂代码库中的局限性,理解AI代码的特有问题,要求开发人员对代码负责,并建立高效的AI工具审批机制。同时,专门的代码分析工具也变得不可或缺。
AI 语音克隆技术的滥用正日益成为企业面临的重大安全威胁。近期多起高调事件显示,不法分子利用 AI 生成的虚假音频视频进行诈骗。目前许多语音克隆应用缺乏有效防护措施,企业领导人的公开音频很容易被用于克隆。专家呼吁采取多因素认证等措施加强防范,并预计未来将出台更多监管措施和检测技术来应对这一威胁。