深度學習使科學家能夠在幾毫秒內識別血液中的癌細胞

加州大學洛杉磯分校和NantWorks的研究人員開發(fā)了一種人工智能驅動的設備，能夠在幾毫秒內檢測癌細胞，比以前的方法快數(shù)百倍。利用該速度，本發(fā)明可以在檢測到血液后立即從血液中提取癌細胞，這又可以幫助防止疾病在體內擴散。

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，一種人工智能技術，其中算法被“訓練”以使用大量數(shù)據(jù)執(zhí)行任務。在深度學習中，稱為神經(jīng)網(wǎng)絡的算法是根據(jù)人類大腦的工作原理建模的。與其他類型的機器學習相比，深度學習已被證明對識別和生成圖像，語音，音樂和視頻特別有效。

光子時間拉伸是加州大學洛杉磯分校發(fā)明的超快速測量技術。光子時間拉伸儀器使用超短激光脈沖每秒捕獲數(shù)萬億個數(shù)據(jù)點，比現(xiàn)在最快的微處理器快1000多倍。該技術幫助科學家發(fā)現(xiàn)激光物理學中的罕見現(xiàn)象，并為三維顯微鏡，光譜學和其他應用發(fā)明了新型生物醫(yī)學儀器。

加州大學洛杉磯分校Samueli工程學院的電氣和計算機工程教授，加州大學洛杉磯分校的教授Bahram Jalali說：“由于他們產生了大量珍貴的數(shù)據(jù)，時間伸展的工具和深度學習是天上的匹配。”加州大學洛杉磯分校加州納米系統(tǒng)研究所成員。

該系統(tǒng)還使用稱為成像流式細胞儀的技術。細胞計數(shù)是測量細胞特征的科學; 在成像流式細胞術中，這些測量是通過使用激光在流過載液時一次一個地拍攝細胞的圖像而獲得的。盡管已經(jīng)存在用于在成像流式細胞術中對細胞進行分類的技術，但是這些技術的處理步驟發(fā)生得如此緩慢以至于裝置沒有時間將細胞彼此物理地分離。

在他們以前的工作基礎上，Jalali及其同事開發(fā)了一種深度學習流程，通過直接操作成像流式細胞術過程中的激光信號來解決這個問題，從而消除了其他技術的時間密集型處理步驟。

“我們優(yōu)化了深度神經(jīng)網(wǎng)絡的設計，以處理由我們的時間拉伸成像流式細胞儀創(chuàng)建的大量數(shù)據(jù) - 升級軟件和儀器的性能，”訪問博士生李月琴和論文的第一篇作者。

加州大學洛杉磯分校博士后研究員，該論文的共同作者Ata Mahjoubfar表示，該技術使儀器能夠確定細胞是否即刻發(fā)生癌變。

“我們不再需要提取細胞的生物物理參數(shù)，”他說。“相反，深度神經(jīng)網(wǎng)絡可以非?？焖俚胤治鲈紨?shù)據(jù)本身。”