Czy sztuczna inteligencja uratuje wzrok?

• Autorzy: Pniewski Jacek
• Języki publikacji: PL

Abstrakty

PL

Czym jest sztuczna inteligencja? W prostych słowach to zdolność komputera do naśladowania sposobu działania ludzkiej inteligencji, zwykle dzięki wykorzystaniu tzw. sieci neuronowych, czyli algorytmów komputerowych, które w działaniu symulują pracę mózgu, złożonego z połączonych ze sobą neuronów, zgrupowanych w warstwy różnego typu. Każda kolejna warstwa odpowiada za analizę danych z poprzedniej warstwy na coraz wyższym poziomie ogólności. Ten rodzaj inteligencji jest w stanie wyszukiwać w danych związki przyczynowo-skutkowe, dokonywać generalizacji (uogólnień) i uczyć się na podstawie własnych doświadczeń. Sieci neuronowe działają zwykle w oparciu o określone dane, często pochodzące z konkretnego typu urządzeń, szczególnie w przypadku danych medycznych i wtedy określa się je mianem wąskiej inteligencji, w odróżnieniu od ludzkiej – szerokiej.

Słowa kluczowe

PL

sztuczna inteligencja; wzrok; sieci neuronowe

• Wydawca: MAGMONI Sp. z o.o.
• Czasopismo: Optyka
• Rocznik: 2020
• Tom: Nr 3
• Strony: 30--32
• Opis fizyczny: Bibliogr. 8 poz., fot., ryc.

Twórcy

autor

Pniewski Jacek

• Akademickie Centrum Kształcenia Optometrystów, Wydział Fizyki, Uniwersytet Warszawski

Bibliografia

• 1. G.W. Armstrong, A.C. Lorch. A(eye): A Review of Current Applications of Artificial Intelligence and Machine Learning in Ophthalmology. Int. Ophthalmol. Clin. 2020, vol. 60, no. 1, pp. 57-71
• 2. K. Keskinbora, F. Güven. Artificial Intelligence and Ophthalmology. Turk. J. Ophthalmol. 2020, vol. 50, no. 1, pp. 37-43
• 3. D.S.W. Ting et al. Artificial intelligence, the internet of things, and virtual clinics: ophthalmology at the digital translation forefront. Lancet Digit. Health 2020, vol. 2, no. 1, pp. e8-e9
• 4. J.I. Orlando et al. REFUGE Challenge: A unified framework for evaluating automated methods for glaucoma assessment from fundus photographs. Med. Image Anal. 2020, vol. 59, p. 101570
• 5. J.M. Ahn et al. A deep learning model for the detection of both advanced and early glaucoma using fundus photography. PLOS ONE 2018, vol. 13, no. 11, p. e0207982
• 6. G. An et al. Comparison of Machine-Learning Classification Models for Glaucoma Management. J. Healthcare Eng. 2018
• 7. A. Zaleska-Żmijewska et al. A new platform designed for glaucoma screening: recognizing risk of glaucomatous optic neuropathy with use of fundus photography with deep learning architecture together with intraocular pressure measurements. Klinika Oczna 2020, 122, 1: 1-6
• 8. ImageNet Large Scale Visual Recognition Competition 2012 (ILSVRC2012). www.image-net.org/challenges/LSVRC/2012/ [dostęp: 18-Mar-2020]

Uwagi

Opracowanie rekordu ze środków MNiSW, umowa Nr 461252 w ramach programu "Społeczna odpowiedzialność nauki" - moduł: Popularyzacja nauki i promocja sportu (2020).