42個AI與機器人大問題之——「AI如何幫助人類更健康地生活？」

9月2日在深圳舉辦的首屆「Nature Conference - AI與機器人大會」上，Aydogan Ozcan 教授將給出他的答案。

本屆大會由騰訊 AI Lab 攜手Nature Research（自然科研）及旗下《自然-機器智能》、《自然-生物醫(yī)學(xué)工程》兩本期刊聯(lián)合舉辦。大會上將發(fā)布「42個 AI 與機器人大問題」報告，并邀請 11 位世界知名學(xué)者為這些宏大問題給出每個人獨特而深刻的理解與答案。在報告中，我們還邀請到 Yoshua Bengio、Jürgen Schmidhuber和多位中國院士提供專家見解。

「42 」源自科幻小說《銀河系漫游指南》，是智能計算機「Deep Thought（深思）」經(jīng)過 750 萬年運算，找到的「關(guān)于生命，宇宙及一切問題的終極答案」。我們希望這個有終極目標(biāo)意涵的 42 個大問題，能激發(fā)對人、AI與機器人未來的長遠(yuǎn)思考與規(guī)劃。

下面我們將開啟一段旅程，看看讓手機變身智能顯微鏡的 Aydogan Ozcan 教授，如何思考AI在促進人類健康上的作用。

Aydogan Ozcan 現(xiàn)為加州大學(xué)洛杉磯分校（UCLA）電子與計算機工程和生物工程學(xué)教授及霍華德·休斯醫(yī)學(xué)研究所（HHMI）教授，領(lǐng)導(dǎo)著 UCLA 電氣工程與生物工程系的生物與納米光子學(xué)實驗室。他的研究重點是利用計算/算法來創(chuàng)建新的光學(xué)顯微鏡、傳感和診斷技術(shù)，改進和簡化現(xiàn)有的探測微米和納米物體的測量和分析工具，其開發(fā)的新型工具包括基于智能手機的顯微鏡、細(xì)胞計數(shù)器、診斷測試讀取器、細(xì)菌傳感器、血液分析儀、過敏原檢測器，以及重金屬傳感器等。Ozcan 博士是美國國家發(fā)明學(xué)會（NAI）會士，持有多項專利，涉及遠(yuǎn)程醫(yī)療、移動健康、納米成像、廣域成像、無透鏡成像、非線性光學(xué)、光學(xué)相干斷層掃描等多個領(lǐng)域。

Ozcan 博士曾獲得美國科學(xué)家與工程師早期事業(yè)總統(tǒng)獎（PECASE），這是美國政府向科學(xué)和工程專業(yè)人員研究早期階段授予的最高榮譽，以表彰他的諸多貢獻：其開發(fā)的創(chuàng)新光學(xué)技術(shù)和信號處理方法有望顯著影響生物科學(xué)和醫(yī)學(xué)，解決發(fā)展中國家的公共健康需求問題，以及推動光學(xué)研究社區(qū)發(fā)展。另外，他還獲得過首屆Rahmi M. Koc科學(xué)獎?wù)隆H光學(xué)委員會獎、首屆國際光電工程學(xué)會（SPIE）生物光子學(xué)技術(shù)創(chuàng)新者獎、陸軍研究辦公室（ARO）青年研究員獎、SPIE 早期事業(yè)成就獎等眾多榮譽。

手機變身顯微鏡，大幅降低醫(yī)療成本

Ozcan博士于2007年加入加州大學(xué)洛杉磯分校（UCLA），開始研究無透鏡式手機顯微鏡，以提升瘧疾和肺結(jié)核等疾病的檢測效率并降低其成本。

「我們的主要目標(biāo)是用計算機代碼和架構(gòu)取代笨重的光學(xué)顯微鏡，使其非常輕便、緊湊和經(jīng)濟高效。」Ozcan 說。相比價格高達數(shù)十萬美元的高科技醫(yī)用光學(xué)顯微鏡，他的發(fā)明利用手機攝像頭中的傳感器，可將成本降低至 5-10 美元。

他的團隊開發(fā)了一個名叫 LUCAS 的平臺（Lensless, Ultra-wide-field Cell monitoring Array platform based on Shadow imaging基于影成像的無透鏡式超廣域細(xì)胞監(jiān)測陣列平臺），包含一個 LED 燈、一個空間濾波器和一個醫(yī)用載玻片的插槽，可以輕松地安裝到標(biāo)準(zhǔn)形式手機的背面。

使用時，首先插入載玻片樣本，光穿過樣本后可在手機的攝像頭傳感器上創(chuàng)造各個細(xì)胞的影子（shadow）。得到的影像實際上是一張全息圖，肉眼很難閱讀，但可以通過專門的算法進行解析，得到可供醫(yī)務(wù)人員閱讀的數(shù)據(jù)。經(jīng)過不斷改進，這種手機顯微鏡從一開始檢測約人類頭發(fā)1/10大小的紅細(xì)胞，到如今已經(jīng)可以檢測到比頭發(fā)小千倍的各種病毒。

傳統(tǒng)的顯微鏡體積大且昂貴，疾病檢測需要將樣品送到中心實驗室，而利用手機顯微鏡可以遠(yuǎn)程檢測血液和水中的寄生蟲和細(xì)菌。「這種方法的優(yōu)勢在于可以在野外處理任何體液或水樣，你只需要一部普通的手機和一個連接其上的顯微鏡。你還可以將這些信息發(fā)送到世界的任何地方。」在醫(yī)療資源匱乏的地區(qū)，普通技術(shù)人員只需簡單操作，就可以將數(shù)據(jù)傳輸給千里之外的專家。Ozcan 相信 LUCAS 能幫助應(yīng)對很多全球性健康問題，比如 HIV、瘧疾、霍亂、肺結(jié)核、卵巢癌、水與食品污染等。

人工智能加持，手機顯微鏡媲美高端臺式顯微鏡

2017 年，隨著基于深度學(xué)習(xí)的人工智能方法的興起和發(fā)展，Ozcan 的研究團隊也開始研究將這項技術(shù)納入到醫(yī)療成像和分析領(lǐng)域。他們提出使用深度神經(jīng)網(wǎng)絡(luò)來提升光學(xué)顯微鏡的成像質(zhì)量，在大視場和景深上增強其空間分辨率。

Ozcan 曾在 2017 年底的一場 Reddit AMA（Ask Me Anything）中談到深度學(xué)習(xí)的優(yōu)勢：

「深度學(xué)習(xí)現(xiàn)在已能讓我們實現(xiàn)前所未有的準(zhǔn)確度，尤其是在我們能輕松獲取良好特征化的訓(xùn)練數(shù)據(jù)的情況下。對于我們所研究的大多數(shù)應(yīng)用（比如檢測水樣本中的水源性寄生蟲）來說，獲取數(shù)據(jù)不是問題，因為我們在幾天時間內(nèi)就能在實驗室中生成黃金標(biāo)準(zhǔn)的數(shù)據(jù)，從而訓(xùn)練神經(jīng)網(wǎng)絡(luò)和完成任務(wù)。

除了機器學(xué)習(xí)的基本用法（標(biāo)記圖像或?qū)鞲衅鲾?shù)據(jù)分類），我相信在生物醫(yī)學(xué)成像和傳感領(lǐng)域，『機器學(xué)習(xí)啟發(fā)的儀器』方面還會有一些非常激動人心的機會，這將是計算成像和傳感方面的一種整體性方法。」

如前文所述，手機顯微鏡經(jīng)濟便攜、成像高效，但手機的光學(xué)成像接口并非專為顯微鏡設(shè)計，因此在成像顯微鏡樣本中會產(chǎn)生空間和光譜失真。為了改善這一問題，2018 年，Ozcan 的研究團隊將深度學(xué)習(xí)與手機顯微鏡結(jié)合起來，校準(zhǔn)手機顯微鏡的擾動，從而得到高分辨率的、去噪后的、經(jīng)過色彩校準(zhǔn)的圖像，其結(jié)果不僅可媲美具有高端目鏡的臺式顯微鏡，還擴大了其景深。

采用 Masson 三色染色法處理后的肺組織樣本先經(jīng)過手機顯微鏡成像，再經(jīng)過深度神經(jīng)網(wǎng)絡(luò)處理得到結(jié)果（d），與高端臺式顯微鏡的效果（e）相當(dāng)。

在訓(xùn)練卷積神經(jīng)網(wǎng)絡(luò)后，團隊成功地對各種樣本進行成像（包括血涂片、組織病理學(xué)組織切片和寄生蟲），記錄的圖像被高度壓縮，以便于遠(yuǎn)程醫(yī)療應(yīng)用的存儲和傳輸。該方法也適用于其他低成本、像差成像系統(tǒng)，可為昂貴且體積龐大的顯微鏡提供替代方案，同時還為臨床和生物醫(yī)學(xué)應(yīng)用提供光學(xué)圖像標(biāo)準(zhǔn)化框架。此后，他們不斷對這種方法進行改進，將其用在了生物氣溶膠檢測、體液寄生蟲檢測、細(xì)胞檢測甚至病毒檢測等任務(wù)中。

未來，隨著硬件性能的提升和深度學(xué)習(xí)技術(shù)的發(fā)展，相信這種處理方法還將能取得進一步突破。通過這種遠(yuǎn)程醫(yī)療工具，將提高發(fā)展中國家的醫(yī)療服務(wù)質(zhì)量。與此同時，這也將對發(fā)達國家產(chǎn)生積極影響，通過設(shè)立快速篩查疾病護理點，減輕醫(yī)院負(fù)擔(dān)。

9月2日，Aydogan Ozcan 教授將在「AI與機器人大會」上分享他的創(chuàng)新研究。科技將如何為人類創(chuàng)造更健康幸福的生活？你將在這里看到 Ozcan 教授的答案。

｜演講摘要

《光學(xué)顯微鏡和圖像重建中的深度學(xué)習(xí)》

Deep Learning in Optical Microscopy and Image Reconstruction

我們將討論近來先進深度學(xué)習(xí)方法在光學(xué)顯微鏡和顯微圖像重建方面的應(yīng)用，這能為不同的顯微成像模式帶來完全由圖像數(shù)據(jù)驅(qū)動的新變革。我們相信深度學(xué)習(xí)將從根本上改變各種光學(xué)顯微模式（比如全息、明視野、熒光顯微）中所使用的硬件和圖像重建/合成方法，還將通過光學(xué)中的深度學(xué)習(xí)為生物醫(yī)學(xué)和生命科學(xué)創(chuàng)造全新的應(yīng)用。