دفعه بعد که برای جراحی به بیمارستان می روید ، دستیار جراح ممکن است یک ربات باشد.
محققان با همکاری Google Brain ، شرکت Intel و دانشگاه کالیفرنیا ، برکلی ، روبات هایی را برای تقلید از روش های جراحی از طریق استفاده از فیلم های آموزشی ، آموزش داده اند.
اساتید UC برکلی پیش از این از فیلم های YouTube به عنوان راهنمای روبات ها برای یادگیری حرکات مختلف مانند پریدن یا رقصیدن استفاده کرده اند ، در حالی که گوگل ربات هایی را برای درک عمق و حرکت آموزش داده است. این تیم این دانش را به جدیدترین پروژه خود ، Motion2Vec ، که در آن فیلم هایی از اقدامات جراحی واقعی برای آموزش استفاده می شود ، اعمال کردند. در یک مقاله تحقیقاتی که اخیراً منتشر شده است ، محققان چگونگی استفاده از فیلم های YouTube را برای آموزش ربات دو مسلح داوینچی برای قرار دادن سوزن و انجام بخیه بر روی دستگاه پارچه ای تشریح می کنند .
تیم پزشکی به شبکه های سیامی متکی بودند ، یک مجموعه یادگیری عمیق که شامل دو یا چند شبکه مشترک با داده های یکسان است. این سیستم برای مقایسه و ارزیابی روابط بین مجموعه داده ها بهینه است. چنین شبکه هایی در گذشته برای تشخیص صورت ، تأیید امضا و تشخیص زبان مورد استفاده قرار گرفته است.
کن گلدبرگ ، یک پزشک که سرپرست آزمایشگاه UC Berkeley است ، توضیح داد که YouTube منبع غنی از مواد آموزشی برای این پروژه آموزش عمیق است.
وی گفت: "YouTube هر دقیقه 500 ساعت از مواد جدید دریافت می کند. این یک مخزن باورنکردنی است." "هر انسانی می تواند تقریباً هر کدام از آن فیلم ها را تماشا کند و از آن حس کند ، اما یک ربات در حال حاضر نمی تواند. آنها فقط آن را به عنوان یک پیکسل تلقی می کنند. بنابراین ، هدف از این کار این است که سعی کنید آن پیکسل ها را حس کنید." این است که به فیلم نگاه کنیم ، آن را تجزیه و تحلیل کنیم ، و ... قادر به تقسیم فیلم ها در سکانس های معنی دار باشد. "
برای انجام کار بخیه ، تیم فقط 78 فیلم آموزش پزشکی برای آموزش موتور هوش مصنوعی خود برای انجام این عمل نیاز داشت. آنها ادعا می کنند میزان موفقیت 85 درصد است.
این بدان معناست که در نهایت روبات ها می توانند بعضی از کارهای اساسی و تکراری را در مراحل جراحی انجام دهند و به جراحان اجازه می دهند تا زمان و انرژی خود را روی مراحل دقیق تر متمرکز کنند.
آیا به زودی روبات ها جایگزین جراحان خواهند شد؟
گلدبرگ گفت: "ما هنوز آنجا نیستیم." گلدبرگ گفت: "اما آنچه ما به سمت آن حرکت می کنیم توانایی یک جراح است که می تواند سیستم را تماشا کند و این را نشان دهد که آنها کجا بخواهند ردیف بخیه ها باشند ، این را انتقال دهند که می خواهند شش بخیه دست نخورده داشته باشند." "سپس اساساً این روبات شروع به انجام آن می کند و جراح می تواند کمی استراحت کند تا در این صورت استراحت بیشتری داشته باشد و بتواند روی قسمت های پیچیده تر یا ظریف تر عمل جراحی تمرکز کند."
یادگیری ماشینی در سالهای بی تاب فناوری زیست فناوری نقش بسزایی داشته است. توانایی هوش مصنوعی در پردازش سریع حجم زیادی از داده ها باعث پیشرفت در تشخیص سرطان ریه و خطر سکته مغزی بر اساس اسکن های CAT ، محاسبه خطر بیماری قلبی و ایست قلبی بر اساس تصاویر EKG و MRI ، طبقه بندی ضایعات پوستی از عکس ها و علائم تشخیص داده شده از پریشانی دیابتی در تصاویر چشم. و در وسط بیماری همه گیر ، هوش مصنوعی به دانشمندان کمک می کند داروهایی پیدا کنند که ممکن است شیوع COVID-19 را مهار کند و در نهایت یک درمان و واکسن پیدا کند.
دفعه بعد که برای جراحی به بیمارستان می روید ، دستیار جراح ممکن است یک ربات باشد.
محققان با همکاری Google Brain ، شرکت Intel و دانشگاه کالیفرنیا ، برکلی ، روبات هایی را برای تقلید از روش های جراحی از طریق استفاده از فیلم های آموزشی ، آموزش داده اند.
اساتید UC برکلی پیش از این از فیلم های YouTube به عنوان راهنمای روبات ها برای یادگیری حرکات مختلف مانند پریدن یا رقصیدن استفاده کرده اند ، در حالی که گوگل ربات هایی را برای درک عمق و حرکت آموزش داده است. این تیم این دانش را به جدیدترین پروژه خود ، Motion2Vec ، که در آن فیلم هایی از اقدامات جراحی واقعی برای آموزش استفاده می شود ، اعمال کردند. در یک مقاله تحقیقاتی که اخیراً منتشر شده است ، محققان چگونگی استفاده از فیلم های YouTube را برای آموزش ربات دو مسلح داوینچی برای قرار دادن سوزن و انجام بخیه بر روی دستگاه پارچه ای تشریح می کنند .
تیم پزشکی به شبکه های سیامی متکی بودند ، یک مجموعه یادگیری عمیق که شامل دو یا چند شبکه مشترک با داده های یکسان است. این سیستم برای مقایسه و ارزیابی روابط بین مجموعه داده ها بهینه است. چنین شبکه هایی در گذشته برای تشخیص صورت ، تأیید امضا و تشخیص زبان مورد استفاده قرار گرفته است.
کن گلدبرگ ، یک پزشک که سرپرست آزمایشگاه UC Berkeley است ، توضیح داد که YouTube منبع غنی از مواد آموزشی برای این پروژه آموزش عمیق است.
وی گفت: "YouTube هر دقیقه 500 ساعت از مواد جدید دریافت می کند. این یک مخزن باورنکردنی است." "هر انسانی می تواند تقریباً هر کدام از آن فیلم ها را تماشا کند و از آن حس کند ، اما یک ربات در حال حاضر نمی تواند. آنها فقط آن را به عنوان یک پیکسل تلقی می کنند. بنابراین ، هدف از این کار این است که سعی کنید آن پیکسل ها را حس کنید." این است که به فیلم نگاه کنیم ، آن را تجزیه و تحلیل کنیم ، و ... قادر به تقسیم فیلم ها در سکانس های معنی دار باشد. "
برای انجام کار بخیه ، تیم فقط 78 فیلم آموزش پزشکی برای آموزش موتور هوش مصنوعی خود برای انجام این عمل نیاز داشت. آنها ادعا می کنند میزان موفقیت 85 درصد است.
این بدان معناست که در نهایت روبات ها می توانند بعضی از کارهای اساسی و تکراری را در مراحل جراحی انجام دهند و به جراحان اجازه می دهند تا زمان و انرژی خود را روی مراحل دقیق تر متمرکز کنند.
آیا به زودی روبات ها جایگزین جراحان خواهند شد؟
گلدبرگ گفت: "ما هنوز آنجا نیستیم." گلدبرگ گفت: "اما آنچه ما به سمت آن حرکت می کنیم توانایی یک جراح است که می تواند سیستم را تماشا کند و این را نشان دهد که آنها کجا بخواهند ردیف بخیه ها باشند ، این را انتقال دهند که می خواهند شش بخیه دست نخورده داشته باشند." "سپس اساساً این روبات شروع به انجام آن می کند و جراح می تواند کمی استراحت کند تا در این صورت استراحت بیشتری داشته باشد و بتواند روی قسمت های پیچیده تر یا ظریف تر عمل جراحی تمرکز کند."
یادگیری ماشینی در سالهای بی تاب فناوری زیست فناوری نقش بسزایی داشته است. توانایی هوش مصنوعی در پردازش سریع حجم زیادی از داده ها باعث پیشرفت در تشخیص سرطان ریه و خطر سکته مغزی بر اساس اسکن های CAT ، محاسبه خطر بیماری قلبی و ایست قلبی بر اساس تصاویر EKG و MRI ، طبقه بندی ضایعات پوستی از عکس ها و علائم تشخیص داده شده از پریشانی دیابتی در تصاویر چشم. و در وسط بیماری همه گیر ، هوش مصنوعی به دانشمندان کمک می کند داروهایی پیدا کنند که ممکن است شیوع COVID-19 را مهار کند و در نهایت یک درمان و واکسن پیدا کند.
پمپ وکیوم خلاء حلقه مایع برای فشار خلاء