【儀表網(wǎng) 儀表研發(fā)】近期， 西安光機(jī)所張周鋒博士帶領(lǐng)研究團(tuán)隊(duì)在光譜醫(yī)學(xué)診斷領(lǐng)域取得新進(jìn)展，將高光譜顯微成像技術(shù)與深度學(xué)習(xí)理論相結(jié)合，實(shí)現(xiàn)了臨床多類病原菌的快速識(shí)別。
傳染病一直是人類生存的主要威脅，它們給社會(huì)帶來(lái)了巨大的經(jīng)濟(jì)負(fù)擔(dān)，傳統(tǒng)的細(xì)菌鑒定方法昂貴、耗時(shí)且費(fèi)力，因此，在短時(shí)間內(nèi)自動(dòng)快速識(shí)別病原菌具有重要意義。
該研究團(tuán)隊(duì)結(jié)合高光譜顯微技術(shù)和基于深度學(xué)習(xí)的算法緩沖網(wǎng)，構(gòu)建了一個(gè)人工智能輔助的細(xì)菌屬快速自動(dòng)識(shí)別系統(tǒng)。該算法在由11個(gè)屬組成的13萬(wàn)多幅高光譜圖像的自建數(shù)據(jù)集上經(jīng)過(guò)訓(xùn)練和驗(yàn)證，精度達(dá)到94.9%，優(yōu)于1D-CNN、2D-CNN和3D ResNet。
高光譜病原菌數(shù)據(jù)分析流程
該研究團(tuán)隊(duì)開(kāi)發(fā)的人工智能輔助系統(tǒng)在幫助臨床醫(yī)生以廉價(jià)、快速和自動(dòng)化的方式在單細(xì)胞水平上高精度地識(shí)別病原菌方面具有巨大潛力。由于人工智能輔助系統(tǒng)可以在單細(xì)胞水平上快速識(shí)別病原菌屬(每個(gè)高光譜顯微圖像約30秒)，因此可以縮短時(shí)間甚至消除培養(yǎng)需求。
研究通過(guò)與多家醫(yī)療單位合作，利用自研高光譜病原菌快速分析系統(tǒng)成功捕獲到單細(xì)菌尺度的高分辨高光譜圖譜數(shù)據(jù)，利用深度學(xué)習(xí)網(wǎng)絡(luò)對(duì)臨床上萬(wàn)例樣本數(shù)據(jù)進(jìn)行分析，最終實(shí)現(xiàn)了多類臨床病原菌類別的高效、準(zhǔn)確識(shí)別。該研究成果可使臨床醫(yī)生在較短時(shí)間內(nèi)掌握患者的病原菌感染信息，對(duì)于診療方案的快速制定具有非常重要的臨床指導(dǎo)意義。
該研究為光譜成像技術(shù)研究室、西安市生物醫(yī)學(xué)光譜學(xué)重點(diǎn)實(shí)驗(yàn)室在醫(yī)工交叉領(lǐng)域的研究開(kāi)辟了新方向，預(yù)期未來(lái)將在癌變組織快速診斷、數(shù)字病理、手術(shù)引導(dǎo)等應(yīng)用領(lǐng)域取得更多的研究成果。
研究成果以“A deep-learning based system for rapid genus identification of pathogens under hyperspectral microscopic images”為題發(fā)表于國(guó)際著名學(xué)術(shù)期刊《Cells》的Topical Collection 《Computational Imaging for Biophotonics and Biomedicine》，IF:7.7。該Collection在顯微成像、光譜學(xué)、機(jī)器學(xué)習(xí)和AI領(lǐng)域具有較高的影響力。論文第一作者為中國(guó)科學(xué)院大學(xué)2020級(jí)博士研究生陶成龍，合作者為杜劍助理研究員，通訊作者為胡炳樑研究員與張周鋒博士。
所有評(píng)論僅代表網(wǎng)友意見(jiàn)，與本站立場(chǎng)無(wú)關(guān)。