出品:科普中国

作者:舟舟(大连理工大学)

监制:中国科普博览

编者按:为展现智能科技动态,科普中国前沿科技项目推出“人工智能”系列文章,一窥人工智能前沿进展,回应种种关切与好奇。让我们共同探究,迎接智能时代。

相信大家在好莱坞大片中都看到过这样的场景,主角利用倒模技术复制他人指纹,甚至可以打开银行保险柜,你是不是已经开始为自己的“钱袋子”担忧了?日常生活中指纹识别的场景处处可见,但是安全性却有待商榷。

不过,来自英国爱丁堡大学和利兹大学的研究人员日前在英国《Scientific Reports》杂志上发表的研究结果表明,舌头表面微小的乳突隐藏着个体之间独特的生物学信息,这或许可以解决我们的这一烦恼!

“看舌识人”的基石:乳突的微观世界

3D扫描技术进行特征提取的过程

(图片来源:参考文献1)

舌头表面布满了各种乳突,它们是味觉和触觉感受器的载体。其中,菌状乳突和丝状乳突是最常见的两种类型。菌状乳突较大,分布稀疏,顶部呈半球形,是味蕾的所在之处,负责感知味道。而丝状乳突则较小,数量众多,形状复杂,主要负责感知食物的质地和口腔内的摩擦。尽管乳突的形态和功能已经被广泛研究,但科学家们对乳突在不同个体之间的独特性仍然知之甚少。

近年来,随着人工智能的发展,我们有机会更深入地探索这些微观结构。该研究通过3D扫描技术和机器学习获得舌头的3D点云数据构建了舌头乳突的数字图像,在进行了几何特征和拓扑特征分析后发现,人的舌头上的乳突形状具有独特性,乳突的形状在不同个体之间显示出显著的差异性。

事实上,这些差异如此之大,以至于仅凭单个乳突的特征,研究者就能够以48%的准确率识别出参与者的身份。这表明舌头乳突可以作为一种独特的生物标识符。

每个人的乳突都是有差异的

(图片来源:参考文献3)

我们日常生活中比较常见的身份识别方式主要有指纹识别、虹膜识别等,本研究所揭示的舌头的独特性为现代身份识别又增加了新途径,而且舌头作为识别方式有其天然的优势。

首先舌头具有独特性和唯一性,单一乳突就有一定的独特性,那么舌头上密密麻麻的乳突自然能够更好地保障识别的准确性了。

其次,舌头具有隐蔽性舌头位于口腔内部,相对较为隐蔽,不易被他人直接观察或复制,降低了身份特征被恶意获取和伪造的风险。

此外,舌头的生理特征在人的一生中相对稳定,不会因年龄增长、体重变化或常见的外部因素而发生显著改变,保证了长期可靠的识别效果。而且由于舌头的复杂结构和内部特征,要伪造或模仿他人的舌头特征极其困难,增强了身份验证的安全性。

人工智能:解读舌头乳突的几何和拓扑特征

研究过程中的乳突识别和拓扑特征提取

(图片来源:参考文献1)

尽管每个人的舌头乳突的几何和拓扑特征各不相同,但是靠我们的肉眼可是很难做到“看舌识人”的,究其原因在于,人类很难理解和记忆如此复杂的几何和拓扑特征。而这些复杂的特征,恰恰是人工智能所擅长的领域。

人工智能的能力包括对图像特征的深度理解和精确识别。通过使用先进的机器学习技术,人工智能能够从图像中提取出我们肉眼难以察觉的细微差别。

人工智能通过学习和分析大量的图像数据,可以准确地识别并分类这些复杂的几何和拓扑特征。特别是在医疗和生物学领域,人工智能的应用为我们提供了前所未有的洞察力。比如,前文提到的研究人员利用人工智能分析3D扫描图像,发现舌头乳突的几何和拓扑特征可以作为独特的生物标识,用于识别个体和诊断疾病。

基于人工智能的图像识别流程通常包括以下几个步骤:

首先,收集和准备大量高质量的图像数据。接下来,使用数据预处理技术对图像进行去噪、归一化等处理,以提高图像质量和一致性。然后,将预处理后的图像输入到人工智能模型中进行特征提取和模式识别。

在图像识别的过程中,人工智能模型是关键所在。其中卷积神经网络(CNN)是一种专门用于处理图像数据的深度学习模型。那么卷积神经网络是如何工作的呢?

利用CNN处理图像数据的全过程

(图片来源:参考文献4)

卷积神经网络通过一系列步骤来识别图像中的内容。让我们来一步一步看一下这些步骤:

分块看图:首先,卷积神经网络会把整幅图像分成小块,就像你用一个小窗户在图像上滑动一样。每次只看一小块,然后继续移动这个小窗户,直到看完整幅图像。

寻找特征:在每个小块中,卷积神经网络会寻找特定的特征,比如边缘、颜色变化和纹理。这就像是你在看一张照片时,会注意到不同物体的边缘、颜色和质感。

逐层分析:卷积神经网络有很多层,每一层都会从前一层提取的特征中找到更复杂的模式。最开始的几层可能会识别简单的边缘和颜色变化,接下来的几层会识别出更复杂的形状和物体。

整合信息:通过逐层分析,卷积神经网络会把所有特征整合起来,形成对整个图像的理解。这就像是拼图一样,把每一个小块拼在一起,最终形成完整的图像。

分类结果:最后,卷积神经网络会根据提取到的特征,判断图像中是什么。例如,它会告诉你这是一只狗、一辆汽车,还是一片风景。

另一种先进的模型结构是Vision Transformer。与传统的卷积神经网络不同,Vision Transformer引入自注意力机制来更好地捕捉图像中的全局特征。它可以更好地处理图像中的全局间依赖关系,适用于处理具有复杂背景和多种对象的图像。

ViT处理图像的过程

(图片来源:参考文献2)

总的来说,人工智能通过其强大的计算能力和复杂的模型结构,使我们能够深入理解和分析如舌头乳突这种复杂的几何和拓扑特征。

训练好的机器学习模型甚至可以预测乳突类型

(图片来源:参考文献3)

应用前景:从日常生活到高端科技

这项研究为身份识别提供了一些新思路,相信未来不管是日常生活还是一些高端科技领域舌头识别都可以与现有的指纹识别、面部识别等技术相结合,形成多模态的生物识别系统,进一步提高身份识别的准确性和可靠性。

未来舌头识别技术具有以下潜在应用场景:

一是智能家居领域,如个性化的家居设备控制和访问权限设置可以根据家庭成员的舌头特征实现智能化的家居管理。

二是金融服务领域,如利用舌头识别技术保证高安全性的账户登录和交易认证,为重要的金融操作提供额外的安全层级,以及信用卡或移动支付的身份验证,增加支付过程的安全性。

三是安防领域,重要场所的门禁系统如政府机构、科研实验室、机密档案库等,再如边境管控和出入境检查,都可以利用舌头识别技术辅助确认人员身份。

四是医疗保健,用于患者身份验证,确保医疗记录的准确性和安全性,防止医疗信息错误匹配。以及特殊医疗设备的使用授权,例如某些需要严格身份认证才能操作的高端医疗设备。

五是司法领域用于罪犯身份识别和监管,确保对罪犯的准确追踪和管理。

结语

看到这里,或许会有读者认为用舌头识别是否让人感觉侵犯隐私,是否会让人觉得不适呢?其实看了舌头识别的潜在应用场景就能发现这一技术的应用场景本身就多是适用于比较先进的科技领域其实本身就是私密领域的场景,况且其可以与其他识别方式复合使用形成多模态的生物识别系统以增加高端科技等领域的安全性,所以大可不必担心这一技术所带来的心里不适,因为没人看得见。相信随着人工智能技术的持续发展,舌头识别技术将有更广泛的应用场景,能更好地为人类身份识别服务。

参考文献:

1. Rayna Andreeva, Anwesha Sarkar, Rik Sarkar.Machine learning and topological data analysis identify unique features of human papillae in 3D scans[J].Scientific reports,2023,Vol.13(1): 21529

2. Hongming Xu, Qi Xu, Fengyu Cong, Jeonghyun Kang, Chu Han, Zaiyi Liu, Anant Madabhushi, Cheng Lu.Vision Transformers for Computational Histopathology[J].IEEE reviews in biomedical engineering,2024,Vol.17: 63-79

3. Burcu Tiryaki;Kubra Torenek-Agirman;Ozkan Miloglu;Berfin Korkmaz;İbrahim Yucel Ozbek;Emin Argun Oral.Artificial intelligence in tongue diagnosis: classification of tongue lesions and normal tongue images using deep convolutional neural network[J].BMC Medical Imaging,2024,Vol.24(1): 59

4. Xu Wang;Jingwei Liu;Chaoyong Wu;Junhong Liu;Qianqian Li;Yufeng Chen;Xinrong Wang;Xinli Chen;Xiaohan Pang;Binglong Chang;Jiaying Lin;Shifeng Zhao;Zhihong Li;Qingqiong Deng;Yi Lu;Dongbin Zhao;Jianxin Chen.Artificial intelligence in tongue diagnosis: Using deep convolutional neural network for recognizing unhealthy tongue with tooth-mark[J].Computational and Structural Biotechnology Journal,2020,Vol.18: 973-980

来源: 中国科普博览

内容资源由项目单位提供