Къде си Гери? / Наука / Природни науки / Физика

какво да ти кажа, джавкането с идиоти при мене беше/е много полезна стратегия. Не знам дали си изпадал в положение да работиш по някой важен проблем и да изпитваш липса на идеи, че решение има и като че ли не е толкова далеч, сърби те от него едва ли не, но да не го виждаш, да ти се губят тънките моменти и да изпадаш в безисходица. При мене се оказа, че е нужен известен шум да се наложи на тази картинка. От този шум някак по-лесно може да се филтрира каквото ти трябва, в зависимост от филтъра. И аз някак по-лесно си решавам такива проблеми с шум :) Е, спора с идиоти играе такава роля. Това е някакъв психологичен маньовър изглежда, но не съм задълбоччавал да го анализирам, само го ползвам. И тъй като идиотите свършиха, виждаш, съм изпаднал да правя дори експерименти :)

На шега, на майтап, но ми се струпаха наистина няколко тежки задачи едновременно тая година. Едната, за която споменах - изкуственият интелект. Под това име попада какво ли не, при мене беше на практика стандартна задача за разпознаване на образи. Нещо далеч по-просто (ако има по-просто) от разпознаване на лица - разпознаване на структури. За да не издавам производствената тайна, идеята е нещо като разпознаване на ландшафти: от ред стандартизирани разположения на най-различни обекти, да се разпознае подобно сходно разположение (на което може да има и допълнителни, несрещани обекти). Например при стандартно изображение ('еталон') на празен паркинг и детска площадка, ако се подаде изображние на същия паркинг с няколко коли, системата да каже че това е паркинга, а не детската площадка. Но това при наличие на десетки и стотици зададени еталони. Е, такава задача успях да я докарам до работещо състояние едва преди няколко седмици. Сега трябва да се заостри, за да се стесни диапазона на възможните резултати, които дава, но това е друга бира :)

Експериментите в които участвах бяха в помощ на един мой колега. Накратко, записва се и се анализира фoтoлуминecцeнция от биологически материал - основно кръвни проби. Когато кръвта се стимулира със специални вещества, в нея настъпват процеси при които се излъчва в определен спектрален диапазон (както процеси на окисление, така и процеси на клетъчни реакции, био и хемилуминесценция). Това излъчване носи информация за редица разпадни процеси, активността на фагоцитозата и други, те биолозите са навътре в нещата. Хората се опитват като анализират времевия ход на това излъчване, да получат информация: за имунната система, за наличието на туморни клетки, в тази посока. Та аз се включих да помагам да се управлява системата с пробите и събирането на данните, занаятчийска задача по отношение на програмирането.

Обаче обработката на получените времеви зависимости беше най-трудната история. Според различни модели, фотолуминесценцията на такива проби във времето се развива като поасонова крива. Проблемът е, че едновременно протичат няколко различни процеса (обикновено три са най-важните, но може да се улови и четвърти), и получената времева зависимост на интензитета е сума от интензитетите на всеки от участващите процеси. И ако може да се определят параметрите на всеки от тези процеси, може да се получи много и важна информация какво всъщност се случва, чак до туморна диагностика, което е модерното сега. До миналата година намирането на компонентите е било на практика на границата на магията, чрез деконволюция с куп доста произволни допълнителни предположения. Моята идея беше да се използва преобразуванието на Хоф като филтър. Така и така бях навлязъл в технологиите на 'компютърно зрение' за първата задача. Преобразованието на Хоф по технология е подобно на преобразованието на Фурие. Фурие дава възможност от данни в амплитудното пространство (сигнала) да получиш данни във фазовото пространство (спектъра). Тук е също, от едно двумерно изображение да се преобразува в друго двумерно пространство, в което правите линии от изходното изображение формират в идеалния случай точки в резултата (в неидеалния случай се формира група от максимуми, размазана точка). Координатите на тази точка в резултата всъщност са пряко свързани с параметрите на правата в изходното изображение (наклон и отместване по Y). Т.е. с това преобразувание от изходното изображение се филтрират правите линии (и отсечки). В оригинал преобразованието на Хоф обаче може да трансформира не само прави, а и други функции (по-сложните функции се преобразуват в пространство с брой измерения, определен от броя независимите параметри описващи функцията - правата има два параметъра, затова там е просто, резултатът пак е двумерно пространство). И идеята беше да се модифицира това преобразование, за да послужи като филтър за съставящите поасонови криви на изходния сигнал, от резултата на преобразованието да се получат параметрите на поасоновите криви (тук не се задава ограничение на броя им, работи се с избираем праг, над който максимумите се считат за параметри на поасонките, колкото излязат). Работата се оказа доста нанагорна, аз се оказа че сериозно съм позабравил математиката, така че трябваше да се прилагат малко дървени методи. Задачата е силно нелинейна и решението не е устойчиво, но с малко побутване се получават много чисти резултати, с грешка по-добра от досегашната деконволюция. Не се гордея много с тоя дървен метод, но все пак свършихме работата. Има доста хляб в подобна филтрация, ще гледам да и обърна внимание по-нататък.

Не знам доколко стана ясно, но последната почти година беше доста весела