深度學習使科學家能夠在幾毫秒內識別出血液中的癌細胞

加州大學洛杉磯分校和南特工廠的研究人員開發(fā)了一種人工智能驅動的設備，它可以在幾毫秒內檢測癌細胞-比以前的方法快幾百倍。 通過這樣的速度，本發(fā)明可以在檢測到癌細胞后立即從血液中提取癌細胞，這反過來又有助于防止疾病在體內傳播。

一篇關于這一進展的論文發(fā)表在《自然科學報告》雜志上。

該方法依賴于兩種核心技術：深度學習和光子時間拉伸。 深度學習是一種機器學習，它是一種人工智能技術，在這種技術中，算法被“訓練”使用大量數(shù)據來執(zhí)行任務。 在深度學習中，稱為神經網絡的算法是根據人腦的工作方式建模的。 與其他類型的機器學習相比，深度學習已被證明在識別和生成圖像、語音、音樂和視頻方面特別有效。

光子時間拉伸是UCLA發(fā)明的一種超快測量技術。 光子時間拉伸儀器使用超短激光爆發(fā)，每秒捕獲數(shù)萬億個數(shù)據點，比今天最快的微處理器快1000倍以上.. 該技術幫助科學家發(fā)現(xiàn)了激光物理學中的罕見現(xiàn)象，并發(fā)明了用于三維顯微鏡、光譜學和其他應用的新型生物醫(yī)學儀器。

加州大學洛杉磯分校Samueli工程學院電氣和計算機工程教授、加州大學洛杉磯分校納米系統(tǒng)研究所成員、資深作者Bahram Jalali說：“由于這些儀器所產生的珍貴數(shù)據數(shù)量極多，時間延長儀器和深度學習是天造地設的一種匹配?！?/p>

該系統(tǒng)還使用了一種稱為成像流式細胞術的技術。 細胞測量是測量細胞特性的科學；在成像流式細胞術中，這些測量是通過使用激光一次拍攝細胞的圖像，當它們通過載體流體流動時。 雖然在流式細胞術中已經有對細胞進行分類的技術，但這些技術的處理步驟發(fā)生得如此緩慢，以至于設備沒有時間將細胞物理分離開來。

在他們以前的工作的基礎上，Jalali和他的同事開發(fā)了一個深度學習管道，通過直接操作作為成像流式細胞術過程一部分的激光信號來解決這個問題，這消除了其他技術的時間密集型處理步驟。

“我們優(yōu)化了深層神經網絡的設計，以處理由我們的時間拉伸成像流式細胞儀產生的大量數(shù)據，從而提高了軟件和儀器的性能，”訪問博士生李月琴說，他是該論文的第一作者。

加州大學洛杉磯分校博士后研究員和該論文的合著者AtaMahjoubfar說，這項技術允許儀器在幾乎瞬間確定一個細胞是否癌變。

“我們不再需要提取細胞的生物物理參數(shù)了，”他說。 相反，深層神經網絡對原始數(shù)據本身的分析速度極快。