Detekcija raka dojke pomoću kompjuterskog vida i obrade slike
Analiza mamografskih slika je kritičan zadatak koji se oslanja na iskusne radiologe da identifikuju suptilne znakove maligniteta, često skrivene unutar složenih uzoraka tkiva. Međutim, velika količina slika i varijabilnost uzrokovana zamorom radiologa predstavljaju izazove za održavanje točnosti i konzistentnosti. Za rješavanje ovih problema uvedeni su modeli detekcije objekata strojnog učenja (ML), u kombinaciji s naprednim tehnikama obrade slike kao što je CLAHE, kako bi se poboljšala vizualizacija i precizno automatiziralo otkrivanje abnormalnosti. Ova integracija, podržana zajedničkim naporima UoM-a i UDG-a, značajno je optimizirala dijagnostičke tokove rada, smanjujući vrijeme analize i poboljšavajući rano otkrivanje, označavajući transformativni korak u modernoj zdravstvenoj dijagnostici. Pročitajte više na: [link].
Nadgledanje stoke sa Edge AI i računarstvom visokih performansi
Stočarstvo je od vitalnog značaja za mnoge ekonomije (uključujući Crnu Goru), ali se suočava sa visokim troškovima rada, neefikasnošću resursa i sporim usvajanjem moderne tehnologije. Poljoprivrednici tradicionalno prate stada ručnim prebrojavanjem i pregledom životinja – dugotrajan i skup proces koji opterećuje resurse. Na velikim farmama sa stotinama životinja, paziti na svaku kravu ili ovcu je zastrašujuće i sklono ljudskoj grešci. Problemi kao što su zalutale, izgubljene ili bolesne životinje mogu ostati neprimijećene dok ne bude prekasno, ugrožavajući produktivnost farme i dobrobit životinja. Jasno je da je postojala potreba za inovativnim rješenjem za proširenje farmera automatiziranim praćenjem stoke u realnom vremenu. Izazov nije bio samo precizno detektovati životinje, već i efikasno raditi u udaljenim farmama – zadatak koji je zahtijevao skok u računalnim sposobnostima i pouzdan rad izvan laboratorija. Računarstvo visokih performansi (HPC) ponudilo je put naprijed, pružajući računski mišić za razvoj naprednih AI modela koji bi mogli ispuniti ove zahtjeve. Pročitajte više na [link].
Razvoj AI alata za rješavanje problema sa matricama uz pomoć HPC
Razumijevanje matričnih operacija je ozloglašeni kamen spoticanja za mnoge studente. Uprkos osnovnoj važnosti matrica u disciplinama kao što su matematika, inženjerstvo i računarstvo, učenici se često bore s njihovom apstraktnom prirodom i složenošću korak po korak koja je uključena u rješavanje matričnih problema. Tradicionalnim nastavnim metodama (npr. predavanja i udžbenici) obično nedostaje interaktivnost i pravovremene povratne informacije, što može ostaviti učenike zbunjenim ili neaktivnim kada naiđu na prepreku. Uobičajeni scenario je da učenik radi kroz matrični proračun na papiru, ali bez neposredne povratne informacije možda će shvatiti grešku tek mnogo kasnije. Ovo odsustvo trenutnih smjernica otežava utvrđivanje grešaka i razumijevanje osnovnih koncepata. Izazov je bio jasan: kako pružiti učenicima interaktivniji način koji podržava praktikovanje matričnih problema, tako da mogu učiti radeći sa povjerenjem da će greške biti uhvaćene i ispravljene u realnom vremenu. Pročitajte više na [link].
Uzgoj živine na bazi vještačke inteligencije: povećanje preciznosti sa sintetičkim podacima
Moderni uzgoj živine sve više uključuje tehnike dubokog učenja za automatizaciju zadataka kao što su otkrivanje ptica, brojanje životinja, analiza ponašanja i otkrivanje smrtnosti, s ciljem optimizacije proizvodnje i osiguravanja dobrobiti životinja. Iako ove tehnologije nude značajan potencijal za poboljšanje efikasnosti, održivosti i upravljanja resursima, njihova efikasna implementacija se suočava sa izazovima. Ključni među njima su promjenjivi uslovi u okruženju farme, nedostatak podataka za obuku robusnih modela i radno intenzivna priroda tradicionalnih praksi. Kako bi se odgovorilo na ove izazove, ova studija istražuje korišćenje kompjuterskog vida i generativne vještačke inteligencije (GenAI) za poboljšanje otkrivanja i praćenja životinja, omogućavajući preciznije i skalabilnije upravljanje farmama. Koristeći rješenja vođena vještačkom inteligencijom, farmeri mogu steći uvid na bazi podataka i automatizovati procese, smanjujući troškove i poboljšavajući produktivnost u modernom uzgoju živine. Pročitajte više na [link].