智能显微镜适应诊断传染病

杜克大学生物医学工程助理教授Roarke Horstmeyer说：“标准显微镜从各个方向发出了相同数量的光的样品，并且在数百年中，照明已针对人眼进行了优化。”“但是计算机可以看到人类无法的事情。“因此，我们不仅重新设计了硬件以提供各种照明选项，而且还允许显微镜为自己优化照明。”

工程师没有从下方扩散白光到均匀地照亮滑梯，而是开发了一个碗形的光源，其LED嵌入了整个表面。这使得样品可以从不同的角度到近90度以不同的颜色照亮，这实际上可以铸造阴影，并根据所使用的LED图案突出显示样品的不同特征。

然后，研究人员为显微镜喂食数百种疟疾感染的红细胞样品作为薄涂片制备，其中细胞体保持整体，理想地分布在显微镜载玻片上的单层中。使用一种称为卷积神经网络的机器学习算法，显微镜学习了样品的哪些特征对于诊断疟疾最重要，以及如何最好地突出这些功能。

该算法最终降落在来自相对较高角度的不同颜色的环形LED上。虽然所产生的图像比常规显微镜图像嘈杂，但它们在亮点中突出显示疟原虫，并且在大约90％的时间内正确分类。训练有素的医生和其他机器学习算法通常具有约75％的精度。Horstmeyer说：“它挑选出的图案是像环一样的，具有不同均匀且不一定明显的不同颜色。”“即使这些图像比临床医生会创造的图像更暗，算法还要说它会伴随着噪音，但它确实希望强调寄生虫以帮助其诊断。”

然后，Horstmeyer将LED模式发送并将算法分类到世界各地的另一个合作者实验室，以查看结果是否可以转换为不同的显微镜设置。另一个实验室显示出类似的成功。Horstmeyer说：“医生必须浏览一千个细胞才能找到一个疟疾寄生虫。”“而且，由于他们必须如此紧密地放大，所以他们只能一次看一打，因此阅读幻灯片大约需要10分钟。如果他们只需要查看我们的显微镜已经在几秒钟内挑选的少数细胞，那么它将大大加快过程。”

研究人员还表明，显微镜与浓厚的血液涂片制剂配合得很好，其中红细胞形成高度不均匀的背景，可能会破裂。为此，机器学习算法成功了99％。

根据Horstmeyer的说法，预期的精度有所提高，因为经过测试的厚厚涂片比薄涂片更严重，并且表现出更高的对比度。但是他们还需要更长的时间来准备，该项目背后的一部分动机是减少在低资源环境中诊断时间的诊断时间，在训练有素的医生稀疏，瓶颈是常态。

凭借最初的成功，Horstmeyer仍在继续开发显微镜和机器学习算法。他正在使用另一种机器学习算法来创建显微镜的版本，该版本可以将其LED模式调整为试图阅读的任何特定幻灯片。Horstmeyer说：“我们基本上是在尝试将一些大脑传授到图像获取过程中。”“我们希望显微镜使用其所有自由度。因此，它不仅可以愚蠢地拍摄图像，还可以通过焦点和照明来更好地了解幻灯片上的东西，就像人类一样。”