帕金森患者的新曙光!AI无线智能探测系统诞生

简介: 通过无线电波与人工智能的结合,麻省理工研发出最新的探测系统。

导语:通过无线电波与人工智能的结合,麻省理工研发出最新的探测系统。

智东西7月30日消息,通过无线电波与人工智能的结合,麻省理工学院的研究人员研发了一个全新的探测系统:可以看到墙另一边的人移动的骨骼状图像。虽然这听起来像是特警队在破门而入之前希望拥有的技术,但它已经以一种令人惊讶的方式被用于监控帕金森症患者在家中的活动。

该项目的高级研究员、麻省理工学院电子工程和计算机科学教授迪娜·卡塔比(Dina Katabi)说:“人们对这种技术的兴趣可以追溯到几十年前,美国国防部高级研究计划局(DARPA)曾有一个重大项目,试图使用无线信号探测位于墙壁后的人。但在这项最新的研究之前,这些系统所能做的只是显示一个人在墙后的斑点状图形。”

如今,这项技术能够更精确的显示信息:它能把场景中的人描绘成像骷髅一样的木棍,同时显示出他们在做日常活动时的实时动作,比如行走和坐卧。这项技术的重点在于检测人体的关键部位,包括肘关节、臀部和脚。卡塔比说道:“当在墙后面的人开始移动时,你就会看到系统创建的火柴人会做出相同的动作,如果那个人坐下来,你就会看到系统中的火柴人也坐下来。”

无线电信号反射出人体,神经网络加以识别

该系统的工作原理是:通过使用和WIFI类似的无线电信号穿透物体,如墙壁,再反射出人体——由于人体大部分由水组成,无线电无法穿透——之后再穿过墙壁回到设备中。现在的问题是:如何解读系统回传的信息?卡塔比说:“这就是人工智能,特别是神经网络机器学习发挥作用的地方。”

人工智能研究人员通过添加注释信息来训练神经网络,使它能从数据中推断出自己的规则以便学习,这个过程就叫做监督学习。如果想要教一辆自动驾驶汽车红绿灯是什么样的,你需要显示包含红绿灯的图像,并对其进行注释,以便告诉AI什么是红绿灯。神经网络通常用来解析图像,但也可以用来执行复杂的任务,比如从一种语言翻译到另一种语言,甚至可以通过模仿所给出的数据生成新的文本。

但在这种情况下,有一个问题:没有人能通过无线电无线电信号分析出哪个位置是头,哪个位置是脚。换句话说,通过图像处理信息很容易,但通过人身上反射的无线电信号数据处理信息就没那么轻松了。

研究团队的解决方案是在训练期间,把信号接收器和摄像机连接起来,然后给摄像机创建的图像贴上信息标签,帮助神经网络将这些活动联系起来。为了能让摄像机真正接受到图像信号,这些工作必须在没有墙的情况下完成。卡塔比解释道:“我们使用摄像机上的信息标签和同时发生的无线电信号来对它们进行训练。”

训练结束后,他们惊讶地发现,尽管这个系统只对可见的人进行了训练,但他们依然能探测到隐藏于墙背后的人。“它们能看到并描绘出墙壁后面的人形,尽管在训练中它们从未见过。” 卡塔比说道。

不仅如此,它甚至可以通过人们的步态来区分他们。在另一个神经网络的帮助下,该系统可以记录人们走路的特征并识别不同的人,即使隔着墙壁,识别个体的准确率仍超过83%。

初步应用于治疗帕金森患者

研究人员已开始将这项系统付诸实践,在一项针对帕金森患者的小型研究中,通过在病人家中安装这些设备,他们可以在舒适的环境下监控患者的动作,而不需要使用摄像头。从这个意义上说,它比传统的视频监控少了些许侵入性。这项研究共涉及7人,历时8周。

卡塔比说:“系统分析的结果与用于评估患者的标准问卷‘高度相关’。” 此外,它还揭示了关于帕金森患者生活质量的更多信息。目前,Michael J. Fox基金会正在资助团队进行进一步的研究;卡塔比说,通过这种方式监测病人可以帮助患者避免“白大褂综合症”,即病人在医生面前就诊时表现不同。

这项技术的使用也会引发相应的隐私问题,但卡塔比解释过,在没有得到人们同意的情况下,它不会被应用于任何人身上。

原文发布时间为:2018-07-30
本文来自云栖社区合作伙伴“智东西”,了解相关信息可以关注“智东西”。

相关文章
|
7天前
|
存储 移动开发 Linux
Linux系统之部署h5ai目录列表程序
【5月更文挑战第3天】Linux系统之部署h5ai目录列表程序
21 1
|
16天前
|
传感器 人工智能 自动驾驶
构建未来:利用AI技术优化城市交通系统
【4月更文挑战第27天】 随着城市化的快速发展,交通拥堵已成为全球城市的普遍问题。本文探讨了人工智能(AI)技术在缓解城市交通压力、提升交通效率方面的应用前景。通过分析智能信号控制、交通流量预测、自动驾驶车辆以及公共交通优化等关键技术的实际案例,评估了AI在现代交通系统中的潜力与挑战。本研究不仅展示了AI技术在改善城市交通中的有效性,同时也指出了实施过程中需要克服的技术和社会障碍。
|
1天前
|
机器学习/深度学习 人工智能 算法
构建高效AI系统:深度学习优化技术解析
【5月更文挑战第12天】 随着人工智能技术的飞速发展,深度学习已成为推动创新的核心动力。本文将深入探讨在构建高效AI系统中,如何通过优化算法、调整网络结构及使用新型硬件资源等手段显著提升模型性能。我们将剖析先进的优化策略,如自适应学习率调整、梯度累积技巧以及正则化方法,并讨论其对模型训练稳定性和效率的影响。文中不仅提供理论分析,还结合实例说明如何在实际项目中应用这些优化技术。
|
1天前
|
机器学习/深度学习 人工智能 自然语言处理
构建未来:AI在持续学习系统中的创新应用
【5月更文挑战第11天】 随着人工智能(AI)技术的飞速发展,其在教育领域的应用日益增多。特别是在持续学习系统(Lifelong Learning Systems, LLS)中,AI技术正开启着个性化和适应性教学的新篇章。本文聚焦于AI在LLS中的创新应用,探讨了机器学习、自然语言处理和认知建模等关键技术如何共同作用于构建智能化的学习环境。文章旨在分析当前AI技术在持续学习领域的最新进展,并展望其对未来教育模式的影响。
|
2天前
|
机器学习/深度学习 人工智能 算法
构建未来:AI驱动的自适应网络安全防御系统
【5月更文挑战第11天】在数字时代的风口浪尖,网络安全问题日益凸显。传统的安全防御手段在应对不断进化的网络威胁时显得力不从心。本文提出了一个基于人工智能技术的自适应网络安全防御系统框架,旨在通过实时分析、学习和预测网络行为,自动调整防御策略以抵御未知攻击。系统采用先进的机器学习算法和大数据分析技术,能够在保持高效性能的同时,最小化误报率。文章详细阐述了系统的设计理念、关键技术组件以及预期效果,为网络安全的未来发展方向提供新思路。
|
2天前
|
机器学习/深度学习 人工智能 自动驾驶
构建未来:AI在持续学习系统中的创新应用
【5月更文挑战第11天】 在人工智能的迅猛发展浪潮中,一个不断进化的分支便是AI在持续学习系统中的应用。本文旨在探讨AI技术如何革新持续学习系统,并分析其在不同领域的创新实践。文章首先界定了持续学习系统的概念,随后深入解析了深度学习、强化学习以及转移学习等关键技术在其中的作用。通过案例分析,展示了这些技术如何在医疗诊断、自动驾驶及个性化教育中发挥至关重要的角色。最终,讨论了面临的挑战与未来的发展趋势,为读者提供了一个关于AI在持续学习领域未来可能展开的蓝图。
4 1
|
5天前
|
机器学习/深度学习 存储 人工智能
构建未来:AI在持续学习系统中的进化之路
【5月更文挑战第8天】 随着人工智能(AI)技术的飞速发展,AI系统正逐步从单一任务处理转向多任务、持续学习的智能体。本文将深入探讨AI技术在持续学习系统中的最新进展,包括深度学习、强化学习以及转移学习等关键技术。文章还将讨论如何通过这些技术实现AI系统的适应性、泛化能力和自我进化,从而推动AI在多变环境中的长期应用和自主决策能力。
|
5天前
|
机器学习/深度学习 人工智能 安全
构建未来:AI驱动的自适应网络安全防御系统
【5月更文挑战第8天】 随着网络攻击的不断演变,传统的安全措施已不足以应对日益复杂的威胁。本文提出了一种基于人工智能(AI)的自适应网络安全防御系统,旨在通过实时分析网络流量和行为模式来自动调整安全策略。系统利用深度学习算法识别潜在威胁,并通过强化学习优化防御机制。初步实验表明,该系统能够有效提高检测率,减少误报,并在未知攻击面前展现出较强的适应性。
16 1
|
7天前
|
机器学习/深度学习 存储 人工智能
构建未来:AI在持续学习系统中的应用
【5月更文挑战第6天】 随着人工智能技术的飞速发展,AI在各个领域中的应用越来越广泛。本文将探讨AI在持续学习系统中的应用,以及如何通过这种技术提高教育质量和效率。我们将讨论AI如何帮助个性化学习,提供实时反馈,以及如何通过数据分析预测学生的学习进度。此外,我们还将探讨AI在教育中的潜在挑战和解决方案。
18 3
|
9天前
|
传感器 人工智能 自动驾驶
【AI 场景】如何开发用于自动驾驶的人工智能系统?
【5月更文挑战第3天】【AI 场景】如何开发用于自动驾驶的人工智能系统?