机器智能、数字艺术和诊断的共存：有可能吗？

封面图片

如何引用文章

全文:

详细

机器智能的发展和在其帮助下创建的生成图像的使用是通信设计和人机交互的一个有前途的方向。致编辑的信提出了作者对生成图像（图1）应用于人类状况诊断的设想。

使用机器智能作为交互式和智能诊断工具将允许心理学家和医生有效地补充其参与者受控交互的治疗过程。

现在已经有了带有文本生成图像算法的模型库和应用程序集，可供工程师和设计师在创建当代数字艺术对象的过程中使用，也可以用于研究使用视觉的新范式通信，其在实验诊断中的应用。

作者简介

Andrey V. Vlasov

Research and Practical Clinical Center for Diagnostics and Telemedicine Technologies; Izmerov Research Institute of Occupational Health

编辑信件的主要联系方式.
Email: a.vlasov@npcmr.ru
ORCID iD: 0000-0001-9227-1892
SPIN 代码: 3378-8650
俄罗斯联邦, Moscow; Moscow

参考

  1. Tanveer M, Richhariya B, Khan RU, et al. Machine learning techniques for the diagnosis of alzheimer’s disease: a review. ACM Transactions Multimedia Computing Communications Applications. 2020;16(1):35. doi: 10.1145/3344998
  2. Sharma S, Mandal PK. A comprehensive report on machine learning-based early detection of alzheimer’s disease using multi-modal neuroimaging data. ACM Computing Surveys. 2023;55(2):1–44. doi: 10.1145/3492865
  3. Koich MF, Pessotto F. Projective aspects on cognitive performance: distortions in emotional perception correlate with personality. Psicologia Reflexão Crítica. 2016;29(17):1–8. doi: 10.1186/s41155-016-0036-6
  4. Adaskina AA. Therapeutic possibilities of digital artistic creativity. Modern Foreign Psychology. 2021;10(4):107–116. (In Russ). doi: 10.17759/jmfp.2021100410
  5. Paladines-Jaramillo F, Egas-Reyes V, Ordonez-Camacho D, et al. Using virtual reality to detect, assess, and treat frustration. In: Morales R.G., Fonseca C., Salgado E.R., et al. (eds.) Information and communication technologies. TICEC 2020. Vol. 1307. Communications in Computer and Information Science. Springer, Cham, 2020. doi: 10.1007/978-3-030-62833-8_28
  6. Cetinic E, She J. Understanding and creating art with ai: review and outlook. ACM Trans Multimedia Comput Commun Applications. 2022;18(2):1–22. doi: 10.1145/3475799
  7. AlAmir M, AlGhamdi M. The Role of generative adversarial network in medical image analysis: an in-depth survey. ACM Computing Surveys. 2022. doi: 10.1145/3527849
  8. Ali H, Biswas R, Ali F, et al. The role of generative adversarial networks in brain MRI: a scoping review. Insights Into Imaging. 2022;13(8):1–15. doi: 10.1186/s13244-022-01237-0
  9. Lankinen K, Saari J, R Hari, et al. 2014. Intersubject consistency of cortical MEG signals during movie viewing. NeuroImage. 2014;92:217–224. doi: 10.1016/j.neuroimage.2014.02.004
  10. Nummenmaa L, Glerean E, Viinikainen M, et al. Emotions promote social interaction by synchronizing brain activity across individuals. Proceedings Nat Academy Sci. 2012;109(24):9599–9604. doi: 10.1073/pnas.120609510
  11. Tseng PH, Rajangam S, Lehew G, et al. Interbrain cortical synchronization encodes multiple aspects of social interactions in monkey pairs. Sci Rep. 2018;8(1):4699. doi: 10.1038/s41598-018-22679-x
  12. Shanechi MM. Brain-machine interfaces from motor to mood. Nat Neurosci. 2019;22(10):1554–1564. doi: 10.1038/s41593-019-0488-y
  13. Vlasov A. GALA Inspired by Neo Klimt: 2D images processing with implementation for interaction and perception studies (preprint). 2022. doi: 10.13140/RG.2.2.10806.57928
  14. Achlioptas P, Ovsjanikov M, Haydarov K, et al. ArtEmis: affective language for visual art. In: Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR), October 6, 2021:11569–11579. doi: 10.48550/arXiv.2101.07396
  15. Gala Klimt. Digital art collection of pictorial poems. Ridero. 2022. Available from: https://www.researchgate.net/project/GALA-KLIMT. Accessed: 15.08.2022.
  16. Vessel EA, Starr GG, Rubin N. The brain on art: intense aesthetic experience activates the default mode network. Front Hum Neurosci. 2012;6:66. doi: 10.3389/fnhum.2012.00066

补充文件

附件文件
动作
1. JATS XML
下载
2. 图1

下载 (847KB)
索引源数据
3. 图2。使用神经网络创建的图像（a，b）。

下载 (792KB)
索引源数据

版权所有 © Eco-Vector, 2022

Creative Commons License
此作品已接受知识共享署名-非商业性使用-禁止演绎 4.0国际许可协议的许可。

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».