خبر کامل
هوش مصنوعی در تحلیل MRI مغز؛ دستاورد جدید پژوهشگران دانشگاه تهران
پژوهشگران دانشگاه تهران موفق به طراحی یک چارچوب نوآورانه برای ارتقای امنیت هوش مصنوعی در تحلیل MRI مغز شدهاند که میتواند چالشهای مربوط به حریم خصوصی و دادههای مخرب را در همکاریهای بینمرکزی حل کند.
امنیت دادههای پزشکی با مدل OptiGradTrust
در دنیای پزشکی دیجیتال، حفظ حریم خصوصی بیماران از اهمیت بالایی برخوردار است. محققان با بهرهگیری از فناوری یادگیری فدرال، راهکاری ارائه دادهاند که در آن مراکز درمانی بدون نیاز به اشتراکگذاری تصاویر خام MRI، در فرآیند آموزش مدلهای هوش مصنوعی مشارکت میکنند.
این فناوری جدید که با نام OptiGradTrust شناخته میشود، اجازه میدهد تنها پارامترهای بهروزرسانی مدل میان مراکز مبادله شود، در حالی که اطلاعات حساس بیماران در محل خود باقی میماند.
مقابله با اطلاعات مخرب و ناهمگونی دادهها
یکی از بزرگترین چالشهای هوش مصنوعی در پزشکی، ورود دادههای با کیفیت پایین یا اطلاعات عمدی و مخرب است که میتواند دقت تشخیص را مختل کند. چارچوب پیشنهادی دانشگاه تهران برای مقابله با این تهدیدات، دادههای ارسالی را از ۶ شاخص کلیدی ارزیابی میکند:
- میزان شباهت با الگوهای مورد انتظار آموزشی
- میزان هماهنگی با دادههای سایر مراکز در شبکه
- اندازه تغییرات ایجاد شده در مدل نهایی
- میزان سازگاری و کیفیت اطلاعات ارسالی
- سهم واقعی هر مرکز در بهبود عملکرد مدل
این سیستم با استفاده از یادگیری تقویتی و شبکههای توجه، به مراکز مشکوک امتیاز کمتری داده و اثرات مخرب آنها را در روند آموزش مدل خنثی میکند.
نتایج آزمایشها و عملکرد در تشخیص آلزایمر
برای سنجش کارایی این روش، پژوهشگران از مجموعههای دادهای نظیر MNIST و دادههای بالینی OASIS استفاده کردند. نتایج بهدستآمده نشاندهنده برتری چشمگیر این مدل است.
| روش مورد مقایسه | دقت در تحلیل MRI آلزایمر |
|---|---|
| OptiGradTrust (پیشنهادی) | ۹۵٪ |
| روشهای FLGuard و FLTrust | کمتر از ۹۵٪ |
| روش FLAME | کمتر از ۹۵٪ |
این نتایج ثابت میکند که هوش مصنوعی در تحلیل MRI مغز با استفاده از این متدولوژی، حتی در شرایط ناهمگونی شدید دادهها، پایداری و دقت بسیار بالایی از خود نشان میدهد.
چشمانداز آینده و ضرورت آزمایشهای گستردهتر
اگرچه این دستاورد علمی گام بزرگی در جهت امنیت هوش مصنوعی پزشکی محسوب میشود، اما محققان تأکید دارند که این روش هنوز برای استفاده مستقیم در محیطهای بالینی آماده نیست. برای رسیدن به مرحله نهایی، نیاز به آزمایش بر روی پایگاههای داده بسیار بزرگتر مانند ADNI و UK Biobank است.
این پژوهش که در مجله معتبر Scientific Reports منتشر شده، حاصل همکاری اعضای هیأت علمی و دانشجویان دانشکده مهندسی برق و کامپیوتر دانشگاه تهران است.
نتیار نهایی: طراحی چارچوب OptiGradTrust توسط محققان ایرانی، مسیری امن و قابل اعتماد برای استفاده از هوش مصنوعی در تشخیصهای حساس پزشکی، بدون به خطر انداختن حریم خصوصی بیماران، فراهم آورده است.
درباره هوشمصنوعی دستاول:
تمامی اخبار دستاول توسط دستیار هوش مصنوعی «هوشنگ» پردازش، صحتسنجی، خلاصه و بازنویسی شده است. هوشنگ هر روز با دادههای جدید آموزش داده میشود و با نظارت دقیق انسانی و سردبیری دستاول در حال بهتر شدن است.
شما میتوانید از چتبات و سایر ابزارهای هوشنگ به صورت رایگان استفاده کنید.
زمان انتشار:
۰۹:۳۱ - ۱۴۰۵/۰۶/۲۳