光學(xué)顯微鏡在生物醫(yī)學(xué)研究和臨床醫(yī)療中有著廣泛的應(yīng)用。近年來深度學(xué)習(xí)技術(shù)為顯微影像的自動分析提供了先進(jìn)算法支持。然而,目前我國醫(yī)院和科研單位已安裝的顯微鏡大多沒有自帶深度神經(jīng)網(wǎng)絡(luò)圖像分析功能,而設(shè)備和軟件的升級又需要高額成本。本研究借助便攜式計(jì)算設(shè)備對傳統(tǒng)的數(shù)字光學(xué)顯微鏡進(jìn)行人工智能升級,采用Jetson TX2便攜式設(shè)備運(yùn)行Faster R-CNN網(wǎng)絡(luò)對斑馬魚卵顯微圖像實(shí)現(xiàn)了3幀頻的分類檢測效率,對各類魚卵的檢測敏感度大于0.88,特異性大于0.94,并且所用的便攜式設(shè)備尺寸小,可以方便地放置在顯微鏡旁側(cè)。本研究為人工智能賦能傳統(tǒng)顯微鏡提供了一種方便、低廉且具有良好推廣性的技術(shù)解決方案。 

【文章來源】：中國醫(yī)療設(shè)備. 2020,35(08)

【文章頁數(shù)】：5 頁

【部分圖文】：

系統(tǒng)的配置過程和應(yīng)用流程

本研究對斑馬魚卵施加了化學(xué)藥物，經(jīng)藥物作用后的魚卵可能處于受精、未受精或死亡狀態(tài)。其中，受精的魚卵的月芽形細(xì)胞群部分是渾濁的，未受精的魚卵月芽形細(xì)胞群部分是澄清的，而死亡的魚卵則會呈現(xiàn)不規(guī)則的暗色斑塊。通過檢測處于不同狀態(tài)的魚卵數(shù)目比例，可以對藥物的毒性給予評估。由于圖像中魚卵眾多，人工辨識的工作量很大，因此需要自動化的計(jì)算機(jī)算法來完成這一任務(wù)。圖2展示了所處理的斑馬魚卵圖像。1.2 神經(jīng)網(wǎng)絡(luò)的訓(xùn)練

本研究采用Faster R-CNN(Region Convolutional Network)[15]網(wǎng)絡(luò)實(shí)現(xiàn)不同狀態(tài)魚卵的檢測。Faster R-CNN是用于目標(biāo)檢測與定位領(lǐng)域的專用深度神經(jīng)網(wǎng)絡(luò)，其整體網(wǎng)絡(luò)結(jié)構(gòu)如圖3所示，本研究基本延用了經(jīng)典的Faster R-CNN網(wǎng)絡(luò)結(jié)構(gòu)。圖像被輸入網(wǎng)絡(luò)后，通過5個(gè)卷積層和3個(gè)全連接層提取全圖范圍的分類特征圖。得到的特征圖被輸入?yún)^(qū)域提議網(wǎng)絡(luò)獲取各類魚卵區(qū)域的初始坐標(biāo)范圍和初始分類結(jié)果，然后根據(jù)初始坐標(biāo)范圍提取每個(gè)區(qū)域的局部特征圖并輸入給全連接網(wǎng)絡(luò)和進(jìn)一步的分類層和回歸層，最終得到對每個(gè)魚卵的分類結(jié)果和區(qū)域坐標(biāo)范圍。受篇幅所限，關(guān)于Faster R-CNN網(wǎng)絡(luò)原理的介紹請讀者參見文獻(xiàn)[15]。本研究隨機(jī)選取了59幅斑馬魚卵顯微圖像作為Faster R-CNN網(wǎng)絡(luò)的訓(xùn)練數(shù)據(jù)集，其中50用于訓(xùn)練神經(jīng)網(wǎng)絡(luò)，9幅用于對網(wǎng)絡(luò)的性能做獨(dú)立驗(yàn)證。采用人工標(biāo)記的方式從訓(xùn)練數(shù)據(jù)中標(biāo)注了938個(gè)魚卵的正方形包圍盒，并標(biāo)注了每個(gè)魚卵的狀態(tài)（受精、未受精或死亡）。在此基礎(chǔ)上，進(jìn)一步對所標(biāo)注的938個(gè)魚卵進(jìn)行數(shù)據(jù)擴(kuò)增處理，通過圖像旋轉(zhuǎn)（以5o角為步長旋轉(zhuǎn)70次）得到938×70=65660個(gè)魚卵，從而增加了訓(xùn)練數(shù)據(jù)的數(shù)目。擴(kuò)增后魚卵均用來訓(xùn)練Faster-RCNN神經(jīng)網(wǎng)絡(luò)，其中訓(xùn)練（Training）數(shù)據(jù)49245例，驗(yàn)證（Validation）數(shù)據(jù)16415例，即訓(xùn)練與驗(yàn)證集的比例為3:1。9幅測試（Testing）圖像中共包含魚卵461個(gè)，經(jīng)過專家標(biāo)識出受精卵349個(gè)，相當(dāng)于未經(jīng)數(shù)據(jù)擴(kuò)增之前的訓(xùn)練用魚卵數(shù)目（938個(gè)）的一半，其中未受精卵85個(gè)、死亡魚卵27個(gè)作為金標(biāo)準(zhǔn)。本研究邀請一位具有三年斑馬魚顯微影像研究經(jīng)驗(yàn)的專業(yè)人員依據(jù)領(lǐng)域內(nèi)著作做出金標(biāo)準(zhǔn)的標(biāo)定[16]，其標(biāo)定結(jié)果再由一位十年以上專業(yè)經(jīng)驗(yàn)的資深專家復(fù)審確定。

【參考文獻(xiàn)】：
期刊論文
[1]基于FPGA的卷積神經(jīng)網(wǎng)絡(luò)加速器設(shè)計(jì)與實(shí)現(xiàn)[J]. 翟社平,邱程,楊媛媛,李婧,江婷婷.  微電子學(xué)與計(jì)算機(jī). 2019(08)
[2]人工智能芯片技術(shù)體系研究綜述[J]. 施羽暇.  電信科學(xué). 2019(04)
[3]當(dāng)人工智能搭上云端快車[J]. Mike Barlow.  機(jī)器人產(chǎn)業(yè). 2017(03)
[4]NVIDIA Jetson TX2平臺:加速發(fā)展小型化人工智能終端[J]. 齊健.  智能制造. 2017(05)



本文編號：3259348