恶性或良性?人工触觉神经元快速准确的诊断
生物材料的硬度水平和分布反映了从细胞到组织的疾病相关信息。例如,恶性乳腺肿瘤通常比良性乳腺肿瘤更硬,形状更不规则。超声弹性成像可以无创地确定组织的僵硬程度和形状,因其成本低廉而被用于乳腺癌的诊断。然而,有经验的专家的意见对于解释超声弹性成像图像是必不可少的,但不同的专家在准确性上有所不同。
Hyunjung Yi和Suyoun Lee博士领导的团队将触觉神经元设备与人工神经网络学习方法。与以往报道的人工触觉神经元装置不同,该触觉神经元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.
神经形态技术是一个研究领域它的目标是模仿人脑的信息处理方法,这种方法能够在使用电子电路消耗少量能量的情况下实现高级功能。作为一种用于人工智能、物联网和自动驾驶的新数据处理技术,它受到了人们的关注实时处理复杂而庞大的信息。
感觉神经元接收外部的刺激通过感觉感受器并将它们转化为电脉冲信号。在这里,生成的峰值模式根据外部刺激信息而变化。例如,刺激强度越高,产生的峰值频率越高。该研究团队开发了一种人工触觉神经元装置,其结构简单,结合了一种压力传感器和霍夫阈值开关装置产生这样的感觉神经元特性。施加压力压力传感器使传感器的电阻降低,并使连接的霍夫电子开关元件的峰值频率改变。研制的人工触觉神经元装置是一种高响应、高灵敏度的装置,它可以使压力产生更快的电尖峰,同时提高压敏性,重点在于当被压时,更硬的材料会产生更快的压力感知。
该装置产生的电脉冲持续时间(或1/频率)小于0.00001 s,比通常按压一个物体所需的几秒钟快10万倍以上。此外,现有的设备可以检测峰值频率变化为20 ~ 40 Hz的低压(约20 kPa,类似于光的压力),而开发的设备可以检测峰值频率变化为1.2 MHz的低压。这允许将压力的变化实时转换为峰值。
为了将开发的设备部署到实际疾病诊断中,研究团队使用了恶性和良性乳腺肿瘤的弹性成像图像,并使用了峰值神经网络学习方法。将彩色编码超声弹性成像图像中与成像材料刚度相关的每一个像素转换为一个斯派克频率变化值,用于训练人工智能。结果,可以确定乳腺肿瘤的恶性程度,准确率高达95.8%。
KIST研究小组表示,“开发的人工触觉神经元技术可以用简单的结构和方法检测和学习机械特性。”研究组补充说:“如果人工触觉神经元能够收集超声弹性成像获得的物体的弹性成像图像,通过后续研究,将有可能解决超声弹性成像的缺点——噪声反射问题。”
该团队还希望该设备能在低功耗和高精度的疾病诊断中有所帮助,并应用于机器人手术等需要在人类无法直接接触的环境中快速确定手术部位的应用。
进一步探索