杜克大学:开发智能显微镜学习诊断传染病，准确率达90%

TIMEDOO肽度（微信号：Time-doo）获悉，有经验的科研人士往往比新手更有效地使用自己行业的工具，比如细胞学家，他们知道如何设置设备的参数，让显微镜可以产生清晰的图像，令到评估细胞变得更具一致性和准确度。
现在杜克大学(Duke University)的研究人员赋予了显微镜智能调整其设置的能力，包括光线角度、颜色和图案，以便在对健康和疟疾感染的红血球进行分类时获得最佳结果。因为该系统解决的是数码相机的功能，而不是人眼，因此让显微镜的功能表现令人惊喜。

首席研究员Roarke Horstmeyer说：“标准显微镜用来自四面八方的相同数量的光照射样品，几百年来，照明已经为人眼进行了优化。”“但是计算机可以看到人类看不到的东西。所以我们不仅重新设计了硬件，提供了多种照明选择，还允许显微镜为自动优化照明。”

在此之前，其他研究小组，包括杜克大学的一些研究小组，已经开发了计算机视觉算法，可以对感染了导致疟疾的恶性疟原虫的细胞进行分类。虽然有效，但它们仍然缺乏临床诊断所需的一致性与准确性。

这个研究小组现在已经教会了一台计算机如何智能调整显微镜系统的各种参数，并使用深度学习分类算法为其提供动力，以至于它击败了经验丰富的医生和以前开发的疟疾分类自动化系统。

与传统显微镜(上)相比，新显微镜(下)产生的红细胞图像包含更多噪音，但由于光照条件，疟疾寄生虫被明亮的斑块照亮。

新的成像系统使用一种新型的光源，从侧面和下方包围样品。计算机可以改变这个碗灯灯具中的打开或关闭哪些LED灯，以及哪些颜色的使用。电脑显示了数百个感染疟疾病原体的红血球样本和健康细胞。该系统被用于调整照明，以便查看哪些设置在对单元进行分类时效果最好。经过机器训练后，该系统的准确率达到约为90%，而医生和现有的其他学习算法系统准确率仅为75%。
该技术还可以应用于其他诊断成像任务，有机会实现医院病理实验室整个过程的自动化。

更多信息请参考 Biomedical Optics Express: Learned sensing: jointly optimized microscope hardware for accurate image classification

编辑|周新思