恶性或良性?快速和准确诊断与人工神经元触觉
生物材料的刚度水平和分布反映了疾病相关信息,从细胞到组织。例如,恶性乳腺肿瘤通常是硬,比良性乳腺肿瘤形状不规则。超声弹性成像方法可以确定组织的学位和形状刚度和用于诊断乳腺癌因成本较低。然而,一位经验丰富的专家的意见是必不可少的解释超声弹性成像图像,但不同的专家不同精度。
由不过易建联和Suyoun Lee博士领导的团队开发了一个简单但高度准确的疾病诊断技术结合触觉神经元设备人工神经网络学习方法。与之前报道的人工神经元触觉装置,这种触觉神经装置可以确定物体的刚度。他们的研究结果发表在先进材料。
神经形态技术是研究领域旨在模仿人脑的信息处理方法,它能够高级功能,同时消耗少量的能源使用电子电路。它正在关注作为一种新的数据处理技术用于人工智能,物联网和自主驾驶,要求实时处理复杂和庞大的信息。
感觉神经元接收外部的刺激通过感官受体和将其转换为电尖峰信号。这里,生成的峰值模式基于外部刺激信息的变化。例如,生成更高的刺激强度会导致更高的峰值频率。研究小组开发了一个人工神经元触觉装置用一个简单的结构,结合了压力传感器和一个双向阈值开关装置产生这样的感觉神经元的特征。施加压力的压力传感器使传感器的电阻减小,连接双向开关元件的峰值频率改变。发达的人工神经元触觉装置是一个高度响应,高灵敏度的设备允许压力产生快速电峰值同时提高压力敏感性,关注这一事实硬材料导致更快的压力传感时按下。
电高峰持续时间(或1 /频率)生成的开发设备小于0.00001秒,超过100000倍的几秒钟通常需要按一个对象。此外,现有的设备可以检测低压(大约20 kPa,类似于轻压的力)的峰值频率变化20到40 Hz,发达的设备可以检测到低压力峰值频率的变化为1.2 MHz。这允许实时压力的变化转化为峰值。
-
(左)飙升进化模式的例子人工神经元触觉装置根据按材料的刚度,(右)决定肿瘤的例子是恶性或良性乳腺肿瘤的超声弹性成像图像的人工智能学习使用stiffness-encoded峰值模式。红色代表软区域,蓝色表示僵硬的地区。来源:韩国科学技术研究所(KIST) -
研究结果发表在封底纸先进材料。来源:韩国科学技术研究所(KIST)
部署开发设备实际的疾病诊断,研究小组使用弹性成像图像的恶性和良性乳腺肿瘤,利用不断飙升的神经网络学习方法。每个像素的彩色超声弹性成像图像与成像材料的刚度转换成一个斯派克频率变化值和用于训练AI。结果,可以确定乳房肿瘤的恶性准确率高达95.8%。
KIST研究小组指出:“发达人工神经元触觉技术能够检测和学习用一个简单的结构和力学性能的方法。”The team added, "Through follow-up research, it will be possible to solve the noise reflection issue, which is a disadvantage of ultrasound elastography if artificial tactile neurons can collect an object's elastography image obtainable using ultrasound elastography."
团队还预计设备有助于低功耗,高精度等疾病诊断和应用机器人手术在手术部位需要快速确定的环境人类不能直接接触。
进一步探索
