UCLA Health 加州大学洛杉矶分校医疗系统

深度学习技术可帮助科学家在几毫秒内识别血液中的癌细胞

深度学习技术可帮助科学家在几毫秒内识别血液中的癌细胞

08/22/2019

作者 Nikki Lin,加州大学洛杉矶分校

加州大学洛杉矶分校与NantWorks的研究人员近期开发了一种由人工智能驱动的装置,可以在几毫秒内检测识别癌细胞,比以前的方法快数百倍。以这样的速度,此发明使得在检测到癌细胞后立即从血液中取出癌细胞成为可能,从而防止疾病在体内传播。

关于该进展的论文发表于自然科学报告(Nature Scientific Reports)期刊。

这一研究方法基于两项核心技术:深度学习(deep learning)与光子时间拉伸(photonic time stretch)。深度学习属于机器学习中的一类,这项人工智能技术对算法进行“训练”以使用大量数据来执行任务。深度学习的领域中,被称为神经网络(neural networks)的算法是以人脑的工作方式模型建成的。与其他类型的机器学习相比,深度学习已被证明在识别和生成图像、语音、音乐和视频方面尤其有效。

光子时间拉伸是加州大学洛杉矶分校发明的一种超高速测量技术。光子时间拉伸仪利用超短激光脉冲每秒捕获数万亿个数据点,比当今最快的微处理器快1000多倍。这项技术帮助科学家发现了激光物理学中的罕见现象,并发明了用于三维显微镜学、光谱学及其他学科的新型生物医学仪器。

“由于它们所产生的重要数据量极大,所以光子时间拉伸仪和深度学习是天造地设的一对。”加州大学洛杉矶分校萨缪利工程学院的电气与计算机工程学教授、加州大学洛杉矶分校加州纳米系统研究所成员Bahram Jalali如此说道。

该系统还采用了成像流式细胞技术(imaging flow cytometry)。细胞计数法(Cytometry)是测量细胞特征的科学;成像流式细胞术操作中,使用激光在细胞流经载液时进行各个单独成像来获得测量数据。尽管在成像流式细胞术中已经存在细胞分类技术,但其处理步骤发生得如此缓慢,以至于设备没有时间将细胞彼此物理分离。

在先前工作的基础上,Jalali和他的同事们开发了一条深度学习管道,通过直接对成像流式细胞技术流程中的激光信号进行操作,来解决以上问题,从而减去了其他技术中耗时的处理步骤。

“我们优化了深层神经网络的设计,以处理时间拉伸成像流式细胞仪产生的大量数据,从而同步提升了软件和仪器的性能。” 访问博士生、论文首席作者Yueqin Li提到。

加州大学洛杉矶分校的博士后研究员、该论文的共同作者Ata Mahjoubfar表示,该技术使仪器能够在几乎瞬间确定细胞是否癌变。

他说:“我们不再需要提取细胞的生物物理参数。与以往不同,深度神经网络可以非常快速地分析原始数据本身。”