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

UCLA和NantWorks的研究人員已經開發了一種由人工智能驅動的設備，該設備可以在幾毫秒內檢測癌細胞，比以前的方法快數百倍。以這種速度，本發明使得在檢測到癌細胞后立即從血液中提取癌細胞成為可能，這又可以幫助防止疾病在體內傳播。

關于這一進展的論文發表在《自然科學報告》雜志上。

該方法依賴于兩項核心技術：深度學習和光子時間拉伸。深度學習是一種機器學習，這是一種人工智能技術，其中對算法進行“訓練”以使用大量數據執行任務。在深度學習中，根據人腦的工作原理對稱為神經網絡的算法進行建模。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發明的一種超快速測量技術。光子時間拉伸儀器使用超短激光突發每秒捕獲數萬億個數據點，比當今最快的微處理器快1000倍以上。該技術幫助科學家發現了激光物理學中的罕見現象，并發明了用于3D顯微鏡，光譜學和其他應用的新型生物醫學儀器。

加州大學洛杉磯分校薩穆里分校工程學院電氣與計算機工程系教授加州大學洛杉磯分校加利福尼亞納米系統研究所的成員。

該系統還使用一種稱為成像流式細胞儀的技術。細胞計數法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細胞流過載體流體時一次對一個細胞進行成像來獲得的。盡管在成像流式細胞術中已經存在將細胞分類的技術，但是這些技術的處理步驟發生得如此緩慢，以至于設備沒有時間將細胞彼此物理分離。

Jalali和他的同事們在以前的工作的基礎上，開發了深度學習管道，可以通過直接對作為成像流式細胞儀過程一部分的激光信號進行操作來解決該問題，從而消除了其他技術的時間密集型處理步驟。

“我們優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創建的大量數據，從而提高了軟件和儀器的性能，”客座博士生，論文的第一作者李月芹說。作者。

加州大學洛杉磯分校的博士后研究員，論文的合著者Ata Mahjoubfar表示，該技術使儀器能夠幾乎瞬時地確定細胞是否癌變。

他說：“我們不再需要提取細胞的生物物理參數。” “相反，深度神經網絡可以非常快速地分析原始數據本身。”