인공지능

From Eyewire
Revision as of 17:16, 30 December 2015 by Pilnpat (Talk | contribs) (Created page with "=== 연관성 그래프 라벨링(Affinity Graph Labeling)===")

Jump to: navigation, search

아이와이어에 사용되는 3D 신경세포 영상은 신경세포의 연속전자현미경(serial electron microscope) 영상에 기반한 것입니다. 우리가 하는 것은 일련의 2D 영상을 가져다가 계속 쌓아서 3D 영상을 만드는 것입니다.

우리가 사용하는 인공지능의 목적은 신경돌기(세포의 가지)들을 서로 분리하는 것입니다. 초기의 전자 현미경 영상 추적은 컴퓨터의 도움 없이 실시되었으며 이러한 방법으로는 단지 몇 백 개 세포 사이의 연결을 찾는 데만도 십 년 이상이 걸릴 것입니다. 이제 스마트 기술로, 컴퓨터가 우리를 보다 효율적으로 세포를 추적할 수 있도록 도와주게 되었습니다.

개별 물체의 라벨링(Labeling Individual Objects)

처음 단계에서 우리는 개별적 대상에 이름을 붙이기 시작합니다. 보통 우리는 사람에 의한 추적으로 시작하며, 주어진 부피 안에 있는 모든 물체를 확인하고 색칠합니다. 결과물은 훈련용 자료가 되며 추후 볼륨에 대해 인공지능이 사용하게 될 알고리즘을 개발하는 데 도움을 주게 됩니다. 만일 우리가 단지 작은 훈련용 자료만을 가지고 있다면 인공지능이 그 훈련용 자료를 너무 “지나치게 학습”해서 새로운 자료에 대해선 일반화를 시키지 못할 수 있습니다. 따라서 우리가 보다 많은 훈련용 자료를 인공지능에 제공할수록 좋은 것입니다. 아이와이어는 우리가 우리의 알고리즘 개선을 위해 사용할 수 있는 사용자 자료의 좋은 출처입니다.

연관성 그래프 라벨링(Affinity Graph Labeling)

The next stage gives us a more sophisticated way of determining where boundaries lie between cell branches. This is known as “affinity graph labeling.” The affinity graph considers all the material in a given segment and makes decisions about where the boundaries lie between objects. The AI will look at each voxel, or “volume pixel” (imagine a 3D pixel), and determine the probability that it belongs to the same object as it’s neighbors. By determining the “affinity” any given voxel has with all adjacent voxels, the AI can begin to group objects and separate them from one another.

The AI determines boundaries between objects by the “probability” that a voxel belongs to the same object as it’s neighbors. Our images are set at a low threshold of probability that segments are connected. This means that the machine won’t connect two groups of pixels unless it is fairly certain they belong to the same segment, and are bounded by the same border. This helps to minimize mergers, but means this AI is more hesitant to connect large pieces of a cell branch.

Semiautomated Segmentation

One tool we do have to help speed up the construction process is called semiautomated segmentation. This feature allows the computer to piece together branch fragments it believes are correct. This means that the human user has less work to do when he or she manually connects segments. The more the computer learns how to piece together connected segments, the less effort there is for the human user.

References

Turaga, S., Briggman, K., Helmstaedter, M., Denk, W., & Seung, S. "Maximin Affinity Learning of Image Segmentation". 28 Nov 2009 http://arxiv.org/pdf/0911.5372.pdf

Turaga, Srinivas C. et al. “Convolutional Networks Can Learn to Generate Affinity Graphs for Image Segmentation.” Neural Computation 22.2 (2011): 511-538. © 2009 Massachusetts Institute of Technology http://dspace.mit.edu/handle/1721.1/60924