- October 11, 2021
- Posted by: Nita Sari Suryani
- Category: Article
Sumber gambar: Nature Publication
Ilmu machine learning telah berkembang dan menembus hampir semua bidang ilmu. Baru-baru ini, tim peneliti dari Universitas British Columbia, Kanada, sedang mengembangkan suatu animasi berupa tikus sintesis dari hasil pemindaian tomografi. Mereka adalah Luis A. Bolanos, Dongsheng Xiao, Nancy L. Ford, Jeff M. LeDue, Pankaj K. Gupta, Carlos Doebeli, Hao Hu, Helge Rhodin dan Timothy H. Murphy. Para peneliti ini menggunakan data rekaman video dimana data telah dianotasi dalam konsep 2D dan 3D.
Penelitian ini menggunakan tikus dewasa betina (C57BL/6) untuk menghasilkan kerangka model tikus. Disadur dari hasil riset mereka yang sedang trending di Nature Publication, CT scan digunakan sebagai pemindai dan menghasilkan kerangka 3D dengan resolusi tinggi untuk mendapatkan volume serta gambaran rangka tulang tikus. Selanjutnya adalah tahap rendering. Tahap ini memodelkan beberapa rekaman menarik dari tingkah laku tikus dari beberapa sudut rekaman.
Adapun prosesnya, data rekaman diambil dalam beberapa kamera, kemudian diberikan tanda ‘marker‘. Tanda ini lalu digunakan untuk melatih rangkaian neuron dalam machine learning. Penelitian ini menghitung perbedaan antara gambar nyata, animasi dan sintetis (setelah rendering) dengan menggunakan ukuran indeks kesamaan struktural atau Structural Similiarity Index Measure (SSIM).
Hasilnya menunjukkan bahwa gambar sintetis lebih mirip dengan video nyata daripada animasi saja. Penggunaan model mouse individu U-GAT-IT semakin meningkatkan skor SSIM dibandingkan dengan penggunaan model agregat tunggal. “Kami mengamati bahwa skor SSIM untuk gambar sintetis-nyata berpasangan (tikus yang sama) lebih tinggi daripada set mouse yang tidak berpasangan dan model agregat (rata-rata, 0,543)”, ujar Luis A. Bolanos, ketua tim peneliti tersebut.
Manfaat dari penelitian ini adalah meminimalisasi biaya untuk analisa bio-marker data yang banyak. Selain itu, meski dengan keterbatasan data, 3D model sintetis dapat memprediksi kebiasaan perilaku tikus. Di era mendatang, penelitian ini juga dapat digunakan untuk mengamati karakteristik khusus dari perilaku hewan percobaan.
Referensi: Nature Publication, 2021