Gjennom 3D gait analyse samles store mengder data som består av flere modaliteter, inkludert kinematisk (bevegelsesomfanget til ulike ledd), kinetisk (kreftene som får kroppen til å bevege seg, reaksjonen fra bakken og øyeblikk), fysiske undersøkelsesdata (bevegelsesomfang og andre fysiske målinger), kliniske vurderinger (gangklassifiseringer og andre vurderinger/målinger) og video. Fordi 3D-GA produserer denne store mengden data, kan det være vanskelig å forstå. Gjennom dette prosjektet foreslår vi å bruke AI og spesielt maskinlæring (ML) for å hjelpe i prosessen med å gi diagnostikk og klinisk vurdering basert på 3D-GA og kliniske data for barn med CP.
Ved å bruke ML, spesielt dyp læring (DL), for å lage algoritmer som vurderer 3D-GA, vil dette gi klinikere ekstra verktøy for behandlingsanbefalinger og forståelse av pasientenes problemer. Forhåpentligvis vil dette forbedre klinikerens evne til å velge riktig behandling og dermed forbedre livskvaliteten til disse pasientene. Forhåpentligvis vil det også redusere tiden som trengs for å gi anbefalinger og dermed redusere ventetiden for behandling. Imidlertid krever bruk av disse algoritmene en grad av tillit til at verktøyet vil gi riktige diagnostiske vurderinger og behandlingsanbefalinger. På grunn av dette vil de brukte algoritmene ikke bare kreve høy nøyaktighet, men også åpenhet og tillit. Av denne grunn ønsker vi å utvikle et sofistikert visualiseringsverktøy som benytter forklarbar AI-teknologi. Dette verktøyet er ment å muliggjøre en grundig forståelse av beslutningene og resultatene generert av algoritmene. Dette innovative visualiseringsverktøyet gir en rekke fordeler innen helsevesenet. Ved å utnytte forklarbar AI gir det klinikere muligheten til å få dype innsikter i begrunnelsen bak AI-drevne beslutninger, og dermed skaper det et dypere tillitsforhold til disse systemene.
Oppgaven:
Hovedmålet med masteroppgaven er å utvikle et avansert visualiseringsverktøy designet for å effektivt presentere resultatene fra forklarbar kunstig intelligens (XAI). Dette verktøyet er ment å gi visuelle representasjoner i form av 2D-kurver og tredimensjonale (3D) modeller. Videre vurderes det å utvide verktøyets funksjonalitet til augmented reality, slik at 3D-visualiseringer kan integreres sømløst i den virkelige verden.
Studenten som gjennomfører dette prosjektet vil være ansvarlig for implementering og grundig testing av dette visualiseringsverktøyet. Den forestilte utfallet av dette arbeidet er opprettelsen av et praktisk verktøysett som lar brukere visualisere resultatene av prosesser innen forklarbar kunstig intelligens (XAI). Disse visualiseringene vil tilby innsikt og forståelse i de underliggende mekanismene og beslutningsprosessene til AI-modeller, og dermed forbedre forståeligheten av AI-systemer.
Oppgaveoversikt:
- Planlegge og implementere XAI for gait klassifisering
- Planlegge og implemetere visuelle representasjoner av XAI-resultater i form av 2D-kurver.
- Planlegge og implemetere bruk av 3D og/eller 3D-modeller som visualiseringer for AI-resultater.
- Utforske muligheten for å utvide verktøyets funksjonalitet til augmented reality.
- Gjennomføre grundige tester for å sikre verktøyets funksjonalitet og pålitelighet.
- Skrive masteroppgave
Referanser:
https://www.nature.com/articles/s41598-019-38748-8
https://ieeexplore.ieee.org/stamp/stamp.jsp?arnumber=10164110