给透视眼赋予人工大脑：看看皮肤下面有什么

　　

肝脏有多大？如果服药会有变化吗？肾脏发炎了吗？脑中有肿瘤吗？转移已经发生了吗？为了回答这些问题，迄今为止，生物科学家和医生不得不筛选和解释大量数据。

成像技术可以对生物体内部进行详细的观察。但是解释这些数据非常耗时，需要大量的经验。人工神经网络开辟了新的可能性：它们只需要几秒钟就可以解释来自小鼠全身的扫描图，并用颜色分割和描绘器官，而不是用各种不同的灰色阴影。这大大方便了分析。

“三维成像过程的分析是非常复杂的，”Oliver Schoppe解释道。慕尼黑工业大学的研究人员现在已经开发了自学习算法，以帮助分析生物科学图像数据。

AIMOS软件的核心是人工神经网络，它与人脑一样，也具有学习能力。“过去你必须告诉计算机程序你想让它们做什么，”Schoppe说。神经网络不需要这样的指令。“通过多次提出问题和解决方案来训练它们就足够了。渐渐地，算法开始识别相关模式，并能够自己找到正确的解决方案。”

训练自学习算法

在AIMOS项目中，小鼠图像训练了它的算法。目的是将三维全身扫描的图像点分配给特定器官，如胃、肾、肝、脾或脑。根据这个分配，程序可以显示出精确的位置和形状。

Schoppe回忆说：“我们很幸运，从一个不同的研究项目中获得了几百张小鼠图片，所有这些图片都已经被两位生物学家解读过了。研究小组还可以从位于慕尼黑的Helmholtz Zentrumünchen获得组织工程和再生医学研究所的荧光显微镜三维扫描。”

通过一种特殊的技术，研究人员能够完全去除已经死亡的小鼠身上的染料。透明的物体可以用显微镜逐层逐层成像。测量点之间的距离只有6微米，相当于一个电池的大小。生物学家也在这些数据集中定位了器官。

人工智能提高准确性

在翻译中心，信息技术人员将数据提交给他们的新算法。Schoppe报告说：“我们只需要大约10次全身扫描，软件就能够成功地分析图像数据——而且在几秒钟之内。这需要一个人的时间。”

随后，研究小组通过对小鼠进行200次全身扫描，检查了人工智能的可靠性。基于图像的生物医学建模小组负责人Bjoern Menze教授总结说。“研究结果表明，自学习算法不仅在分析生物图像数据方面比人类更快，而且更精确。”

这个智能软件将在未来特别是在基础研究中使用。“小鼠的图像对于研究新药物给人类之前的效果至关重要。未来使用自学习算法分析图像数据将节省大量时间，”Menze强调。

原文检索：Deep learning-enabled multi-organ segmentation in whole-body mouse scans

（生物通：伍松）