NPL zmierza do zakwalifikowania informacji IoT i Big Data
Na jednym końcu skali znajdują się czujniki, być może czujniki medyczne na ciele, które są jasno zdefiniowanymi obiektami i są wyraźnie ważne. Na drugim końcu skali (możesz twierdzić) są komentarze dla mediów społecznościowych, ale nawet te mogą być ważne.
Dyrektor ds. Informatyki NPL Mike Oldham powiedział Electronics Weekly: "W niektórych przypadkach brytyjskie firmy małe i średnie przedsiębiorstwa analizują social media tweety na decyzje biznesowe - na przykład odwzorowując tweety na brytyjską sieć transportową i podejmując problemy, przed niektórymi przypadkami".
Dzięki coraz większej liczbie komputerów przesiewających dane do podejmowania decyzji, a nawet podejmowania decyzji, jak można utrzymać zaufanie do jakości danych w całym cyklu życia danych, zwraca się z Oldhamem. Jest to cykl, który podsumowuje jako "zbieranie, łączenie, zrozumienie" z kompresją na liście, jeśli wiele danych musi przejść przez wąską rurę.
Czy są jakieś ważne dane, a co nie?
Ochrona jakości
"Jeśli napiszesz dane na inteligentnej sieci energetycznej, nie chcesz, aby półautonomiczna maszyna była zamknięta w sieci", mówi Oldham.
W tweetach i sytuacji transportowej "Nie jestem pewny, czy NPL musi się angażować, jeśli dane nawigacyjne są nieco błędne i spóźniasz się od jakiegoś czasu, ale w przypadku diagnozy medycznej potrzebujesz złotego standardu. Znaczenie danych dotyczy przede wszystkim życia, bezpieczeństwa i ryzyka finansowego ".
Zgodnie z menedżerem projektu NPL i PTB - NPL, zgodnie z menedżerem strategii NPL, Sundeep Bhandari, rozpoczął projekt w celu ustalenia pewnych standardów dotyczących jakości danych. Współpracuje także z Uniwersytetem Brunel, kilkoma organizacjami z Chin i Instytutem Turinga na różne sposoby w kierunku podobnych celów.
Część badań dotyczyła organizacji zajmujących się quizowaniem, w tym firm telekomunikacyjnych, firm energetycznych, dostawców usług medycznych, BBC i Metropolitan Police, o tym, czego potrzebują od danych jakościowych. "Po rozmowie z nimi będziemy próbować wyjaśnić, co NPL musi zrobić dla przemysłu", mówi Bhandari.
Jedną znaną potrzebą jest określenie ilościowo pomiarów dokonanych podczas diagnostyki medycznej opartych na skanerze, aby umożliwić "duże dane" wyodrębnić nową wiedzę z milionów skanów i usunąć zróżnicowanie z poszczególnych diagnoz.
Określanie standardów
"W tej chwili diagnoza medyczna jest bliską współpracą pomiędzy klinicystą a używaną maszyną", mówi naukowiec danych Oldham. "Pracujemy nad standaryzacją tego, więc każdy lekarz może pracować z wynikami z dowolnej maszyny. Część procesu decyduje o tym, jakie metadane musisz zebrać. "
Jednym konkretnym projektem jakości danych medycznych w NPL jest próba udoskonalenia pomiarów wykonanych przez skanery MRI, obserwujących "szybkość perfuzji mięśnia sercowego" - szybkość przepływu krwi, a zatem tlen, jest dostarczany do tkanki serca.
Skanowanie jest nabywane w czasie, a następnie poddawane obróbce wstępnej przez klinicystę, który wybiera obiekty będące przedmiotem zainteresowania w obrębie skanowania, co umożliwia komputerowi wyodrębnienie krzywej czasowej działania środka kontrastowego. Ta krzywa jest manipulowana na podstawie modelu matematycznego w celu oszacowania szybkości perfuzji.
Problem polega na tym, że skanowanie MRI jest w dużej mierze instrumentem jakościowym, nieodpowiednim do pomiaru bezwzględnego. Najlepszym sposobem pomiaru perfuzji jest badanie PET, ale to wymaga wstrzyknięcia materiału promieniotwórczego.
"PET jest najbardziej ilościowy, ale osoba może mieć tyle zdjęć PET w jednym życiu", powiedziała naukowiec ds. Danych NPL Nadli Smith do "Electronics Weekly". "Jeśli możemy podnieść MRI, aby być bardziej ilościowym, byłoby lepiej dla diagnozy".
To właśnie NPL będzie próbował w ramach trzyletniego projektu europejskiego obok swoich rówieśników z Francji i Niemiec (LNE i PTB), King's College London i fińskiego szpitala.
Shutterstock