安妮一璞發自凹非寺
　　量子位出品公眾號 QbitAI

　　檢測號稱人類健康頭號殺手癌癥，現在實現了質的飛躍。

　　一個偏遠小鎮的鄉村診所，現在也有機會用 AI，采用人機結合的方式，篩查出難度極高的淋巴結轉移的乳腺癌、前列腺癌了。

　　谷歌這項潛力無限的研究，登上了 Nature Medicine。

　　和人類費時費力取材切片固定染色找癌細胞不同，這臺智能顯微鏡能從海量細胞中自動尋找癌細胞病灶，完成實時檢測。

　　并且，這臺顯微鏡加入 AR 技術，可將診斷結果直接疊加到顯微鏡原來的圖像中。

　　此前觀察癌細胞，效果是繁雜累眼的：

　　而谷歌的顯微鏡，開掛了：

　　層層鎖定，一招制敵！

　　相比從前天荒地老的顯微鏡下地毯式搜查，AI 能瞬間抓捕癌細胞，堪比生物界的安防攝像頭。

　　而需要這樣大的運算量，竟然還能在本地完成。無需聯網、無需接入云端，在終端即可完成。

　　是不是需要很高大上的設備？

　　nonono，只需將普通光學顯微鏡略加改裝，加入攝像頭連接計算機，就能完成乳腺癌、前列腺癌的識別。設備簡單，能夠快速復制。

　　可離線，可實時，而且算法模型穩定、硬件成本兼具性價比，整個工作高度自動化……在一個醫療 AI 普遍處于大哥大的時代，谷歌 AI 邁出了類似安卓智能機的一步。

　　甚至有網友直言：

　　比起人類我更信任這個機器。

　　這是臺能救命的顯微鏡。

　　準確率超 90%

　　在這臺顯微鏡下，以淋巴結和前列腺結節的樣本，分別在 10 倍放大和 20 倍放大下做實驗，發現可以成功的標注出有癌細胞的地方。

　　從 ROC 曲線圖上可以看出，10 倍顯微鏡下淋巴結檢測 AUC 達到了 0.92，20 倍顯微鏡下淋巴結檢測 AUC 達到了 0.97，10 倍顯微鏡下前列腺結節檢測 AUC 達到了 0.93，20 倍顯微鏡下前列腺結節檢測 AUC 達到了 0.92。

　　最后，無論是追求準確率、精確率還是召回率，四個實驗中所有數值結果都超過了 0.9。

　　另外，除了癌癥之外，各種其他的也能顯示出來，比如黃體酮受體染色計數、有絲分裂計數、細胞計數、微生物檢測……等等。

　　而這，也意味著除了診斷疾病之外，這項成果還能用在生物學研究、法醫鑒定等多個領域。

　　顯微鏡構造

　　整個 AR 顯微鏡包含三個部分：顯微鏡本體、深度學習算法、跑算法的計算機。

　　先來看顯微鏡本體。本體就是一個普通的明場光學顯微鏡，這里用到的是 Nikon Eclipse Ni-U。

Nikon Eclipse Ni-U 顯微鏡

　　看起來跟中學生物課堂上用的差不多是不是？現在，給這臺顯微鏡加裝兩個模塊。

　　一個模塊是攝像頭，可以捕捉當前顯微鏡視野內的高分辨率圖像。

　　另一個模塊是為顯示器，可以為攝像頭捕捉到的原始圖像增加數字信息，進行疊加。

　　攝像頭模塊拍下的圖像，在經過深度學習算法處理后，就可以不算自動篩查、找到病灶，交給顯示器。

　　計算機方面，AR 顯微鏡包含一塊高速圖像采集卡 BitFlow CYT，還有一塊英偉達 Titan Xp GPU。

　　針對每張顯微鏡視野圖像，需要經過幾個過程：先把當前視野拍下來，之后將圖像轉換為 RGB 像素值，在圖像上運行深度學習算法，之后找到病灶。

　　實時不卡頓

　　因為最大限度的利用到了不同的硬件來完成不同的任務，所以，這個過程成本更低，比傳統的全片掃描儀（whole slide scanners）成本低一兩個數量級。

　　并且，整套系統可以方便的遷移到各種普通顯微鏡上。

　　神經網絡使用的是 1000×1000 的尺寸，但顯微鏡視野更大，達到了 5120×5120，因此，需要滑動窗口來逐步處理整張大圖。

　　為了提高速度，研究團隊將完全卷積網絡（FCN）應用到了 InceptionV3 深度學習構架中，組成了 InceptionV3-FCN，減少了 75% 的計算量。

InceptionV3-FCN

修改 InceptionV3

　　并且，改造之后，延遲也降低了，從 2126ms 降到了 296ms，FPS 從 0.94 提高到了 6.84。之后，再用其他軟件方法優化，延遲最終降為了 37ms，FPS 也高達 27，基本上不卡了。

　　谷歌 AI 大手筆

　　這一次，是 Google Brain 團隊的又一次大手筆研究，谷歌 AI 總負責人、深度學習大牛 Jeff Dean 也位列作者行列。

　　共同一作共三位，分別為：

　　Po-Hsuan Cameron Chen，博士畢業于普林斯頓大學神經科學研究所，此前還在國立臺灣大學獲得了電子工程學學士學士，主要研究大腦工作原理。

　　Krishna Gadepalli，畢業美國北開來羅納大學，入職谷歌 12 年。

　　此外，還有 Google Health 部門的研究人員 Robert MacDonald。

　　這篇論文是今年 6 月 19 日向 Nature 提交的，7 月 2 日確定被接收了，從提交到接收只經歷了18 天，接收速度令網友感嘆了一把。

　　此前，也不是沒有過智能顯微鏡的研究。

　　Global Good 基金會投資的中國顯微鏡制造公司 Motic，曾經推出過一款智能顯微鏡 EasyScan Go，可用于診斷瘧疾。但其樣本檢測需要 20 分鐘，在向縮短至 10 分鐘邁進。

　　在去年的騰訊全球合作伙伴大會上，騰訊 AI Lab 也發布了一款智能顯微鏡，醫生不能從顯微鏡中實時看到 AI 反饋，需要與電腦連接后，從電腦顯示屏中讀取顯微鏡中的圖像和 AI 輔診意見。

　　但即便是在國內走在前列的騰訊覓影，目前也還處在頂級定點醫院的合作狀態，還達不到谷歌 AI 這樣的端到端、可復制，開箱即用。

　　所以具備實時診斷、AI+AR 可在顯微鏡視野中直接疊加、還能診斷轉移病灶的能力……谷歌的這臺顯微鏡當前看起來已經萬事俱備，只欠 FDA 批準的東風了。

　　先別走，拿上代碼！

　　先別走，谷歌智能顯微鏡，你也有機會自己動手 DIY 一個，官方已經放出了其中的模型架構和工具代碼。

　　深度學習架構代碼可獲取：

　　https://github.com/google-research/google-research/tree/master/nopad_inception_v3_fcn

　　相機抓取器驅動程序 BitFlow：

　　http://www.bitflow.com/

　　此外，還需要用到 TensorFlow、OpenCV、Scipy 等基礎工具，這里就不提供了。

　　最后，附上 Nature 論文地址：

　　https://www.nature.com/articles/s41591-019-0539-7.epdf?author_access_token=BI9AOTsesmNoV2lSdpucn9RgN0jAjWel9jnR3ZoTv0PDGU3ZwysZtsN41a2fOgaoj4PRxjTvAHjSFrKF_S_mq4QNNV8dNoxAjytIQuVz9vdjplLQHUSEPiIo392MzIJY8fqxLKHC5vIwNpLLEoXMnA%3D%3D

總結

以上是生活随笔為你收集整理的AI实时筛查癌细胞，谷歌新突破登上Nature子刊的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。