Un groupe d'étudiants de l'UBC Okanagan a contribué à créer une technologie qui pourrait améliorer la façon dont les médecins et les scientifiques détectent tout, des tumeurs aux incendies de forêt.
Travaillant sous la direction du professeur agrégé Xiaoping SHI du Département d'informatique, de mathématiques, de physique et de statistiques d'UBCO, les étudiants ont conçu et testé un système appelé segmentation adaptative sur le modèle basé sur l'énergie sur l'énergie.
Cette méthode utilise des mathématiques avancées pour choisir des détails importants dans des images complexes ou bruyantes, le type qui confonde souvent les méthodes de détection existantes.
« Ce projet nous a donné une chance de travailler sur quelque chose qui peut faire une réelle différence », explique Jiatao Zhong, étudiant à UBCO Master et auteur principal de l'étude. « C'est excitant de savoir que ce que nous avons construit pourrait aider les médecins à repérer les maladies plus tôt et à aider les scientifiques à suivre les incendies de forêt plus efficacement. »
L'œuvre, récemment publiée dans Rapports scientifiquesmontre que les MEB peuvent aider les professionnels de la santé à trouver des signes de maladie dans les analyses médicales, à aider les scientifiques des plantes à suivre la croissance des cellules et à donner aux moniteurs d'incendie de forêt un moyen plus rapide d'identifier les points chauds de l'espace.
« Nos étudiants ont joué un grand rôle dans la construction et le raffinage de ce modèle, et ils ont eu la chance de l'appliquer à des problèmes réels », explique le Dr Shi. « Les compétences qu'ils ont acquises dans la programmation, l'analyse des données et les mathématiques appliquées leur donneront un avantage dans leur future carrière. »
Les recherches de l'équipe ont montré du succès dans plusieurs domaines clés:
- Dans les analyses médicales en détectant les tumeurs et l'accumulation de liquide dans les rayons X et les mammographies avec une plus grande clarté que les outils standard.
- Dans la surveillance des incendies de forêt en sélectionnant des étincelles petites mais critiques dans les images satellites, ce qui peut conduire à des temps de réponse plus rapides.
- Dans la recherche biologique en aidant les scientifiques à compter et à suivre les cellules des études de plantes, importantes pour la recherche sur l'agriculture et la croissance.
Le Dr Yuejiao Fu a collaboré avec le Dr Shi sur le journal tandis que l'équipe étudiante – Zhong, Shiyin Du, Canruo Shen, Yiting Chen, Medha Naidu et Min Gao – a travaillé sur des tâches allant du codage et des tests à des expériences sur les images médicales et satellites.
Ensemble, ils ont démontré que les MEB peuvent faire ce que de nombreux outils existants ne peuvent pas: s'adapter automatiquement lorsqu'une image ne suit pas les modèles typiques, améliorant la précision sans travail manuel supplémentaire.
La plupart des outils d'image utilisent des règles fixes qui ne fonctionnent pas toujours dans le monde réel. Les analyses médicales et les images satellites sont souvent bruyantes ou incohérentes.
MEBS se démarque parce qu'il s'adapte à l'image elle-même – détectant des changements subtils et divisant des visuels complexes en sections utiles. Cela conduit à des résultats plus précis pour les médecins, les scientifiques et les moniteurs d'incendie de forêt.
