隔空看病？ET可以，AI也可以！

使用人工触觉神经元进行快速准确的诊断 | 参考文献[1]

论文截图

关注生物材料的硬化程度和分布情况，有助于推测细胞组织的情况。例如，恶性乳腺肿瘤通常比良性乳腺肿瘤更硬，且形状更不规则。超声弹性成像（Ultrasound elastography）成本低廉，可以无创地确定组织硬化程度和形状，常被用于诊断乳腺癌。然而，如何解读超声弹性成像图像至关重要，但解读报告的准确性往往取决于专家的经验。

KIST院长宣布，该院的自旋收敛研究中心（Spin Convergence Research Center）和神经形态工程中心（Center for Neuromorphic Engineering）合作，开发了一种精简又精确的疾病诊断技术，技术结合触觉神经元设备与人工神经网络学习方法来实现装置通过按压确定物体的硬度。

神经形态技术是一个旨在模仿人脑信息处理方法的研究领域，该方法的特点是能耗低而功能强。神经形态技术适用于人工智能、物联网和自动驾驶的数据分析，可实时处理复杂而庞大的信息。感觉神经元通过感觉受体接收外部刺激后，能将其转化为电子脉冲信号。随后，生成的脉冲尖峰模式根据外部刺激信息而变化，较高的刺激强度会导致产生更高的脉冲频率。

人工触觉神经元装置感知硬度诊断疾病示意图 | 参考文献[1]

研究小组开发了一种结构简单的人工触觉神经元装置，它包含压力传感器（piezoresistive sensor，PRS）和双向阈值开关（ovonic threshold switch，OTS）装置。向压力传感器施加压力会导致传感器的电阻降低，连接的双向开关元件的电脉冲频率会发生变化。这种人工触觉神经元装置是一种高响应、高灵敏度的装置，可以让压力产生电脉冲频率，提高灵敏度

人工触觉神经元装置产生的电脉冲持续时间小于0.00001秒，这比按压物体几秒钟快100,000倍以上。之前的设备可以检测到脉冲频率变化为20至40 Hz 的低压（约 20 kPa，类似于轻压），而这个新设备可以检测尖峰频率变化为1.2 MHz的低压，能精确地捕捉压力变化。

为将人工触觉神经元装置应用到实际的疾病诊断中，研究团队使用恶性和良性乳腺肿瘤的弹性成像图像，利用脉冲神经网络学习方法来训练人工智能。在学习过程中，相关彩色编码超声弹性成像图像的每个像素都被转换为尖峰频率变化值。结果表明，这套装置能以高达95.8%的准确率确定乳腺肿瘤的恶性程度。

[1] Lee, J., Kim, S., Park, S., Lee, J., Hwang, W., Cho, S. W., ... & Yi, H. (2022). An Artificial Tactile Neuron Enabling Spiking Representation of Stiffness and Disease Diagnosis. Advanced Materials, 2201608.

[2] https://www.eurekalert.org/news-releases/958262

#相关链接：

网页报导链接：https://www.eurekalert.org/news-releases/958262

KIST 网站：https://eng.kist.re.kr/

编译：鳕鱼

编辑：靳小明

排版：尹宁流

题图来源：《E.T.外星人》

点击阅读原文即可查看原论文