韓國科學(xué)技術(shù)研究院（Korea Institute of Science and Technology，KIST）開發(fā)的一種人工觸覺神經(jīng)元裝置，可快速準(zhǔn)確地轉(zhuǎn)換物質(zhì)的硬度。結(jié)合人工智能技術(shù)，可以了解腫瘤的硬度水平和分布，為癌癥診斷提供參考。研究結(jié)果在期刊前沿材料（Advanced Materials）的內(nèi)頁封面出版。

使用人工觸覺神經(jīng)元進(jìn)行快速準(zhǔn)確的診斷 | 參考文獻(xiàn)[1]

論文截圖

關(guān)注生物材料的硬化程度和分布情況，有助于推測(cè)細(xì)胞組織的情況。例如，惡性乳腺腫瘤通常比良性乳腺腫瘤更硬，且形狀更不規(guī)則。超聲彈性成像（Ultrasound elastography）成本低廉，可以無創(chuàng)地確定組織硬化程度和形狀，常被用于診斷乳腺癌。然而，如何解讀超聲彈性成像圖像至關(guān)重要，但解讀報(bào)告的準(zhǔn)確性往往取決于專家的經(jīng)驗(yàn)。

KIST院長宣布，該院的自旋收斂研究中心（Spin Convergence Research Center）和神經(jīng)形態(tài)工程中心（Center for Neuromorphic Engineering）合作，開發(fā)了一種精簡又精確的疾病診斷技術(shù)，技術(shù)結(jié)合觸覺神經(jīng)元設(shè)備與人工神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)方法來實(shí)現(xiàn)裝置通過按壓確定物體的硬度。

神經(jīng)形態(tài)技術(shù)是一個(gè)旨在模仿人腦信息處理方法的研究領(lǐng)域，該方法的特點(diǎn)是能耗低而功能強(qiáng)。神經(jīng)形態(tài)技術(shù)適用于人工智能、物聯(lián)網(wǎng)和自動(dòng)駕駛的數(shù)據(jù)分析，可實(shí)時(shí)處理復(fù)雜而龐大的信息。感覺神經(jīng)元通過感覺受體接收外部刺激后，能將其轉(zhuǎn)化為電子脈沖信號(hào)。隨后，生成的脈沖尖峰模式根據(jù)外部刺激信息而變化，較高的刺激強(qiáng)度會(huì)導(dǎo)致產(chǎn)生更高的脈沖頻率。

人工觸覺神經(jīng)元裝置感知硬度診斷疾病示意圖 | 參考文獻(xiàn)[1]

研究小組開發(fā)了一種結(jié)構(gòu)簡單的人工觸覺神經(jīng)元裝置，它包含壓力傳感器（piezoresistive sensor，PRS）和雙向閾值開關(guān)（ovonic threshold switch，OTS）裝置。向壓力傳感器施加壓力會(huì)導(dǎo)致傳感器的電阻降低，連接的雙向開關(guān)元件的電脈沖頻率會(huì)發(fā)生變化。這種人工觸覺神經(jīng)元裝置是一種高響應(yīng)、高靈敏度的裝置，可以讓壓力產(chǎn)生電脈沖頻率，提高靈敏度

人工觸覺神經(jīng)元裝置產(chǎn)生的電脈沖持續(xù)時(shí)間小于0.00001秒，這比按壓物體幾秒鐘快100,000倍以上。之前的設(shè)備可以檢測(cè)到脈沖頻率變化為20至40 Hz 的低壓（約 20 kPa，類似于輕壓），而這個(gè)新設(shè)備可以檢測(cè)尖峰頻率變化為1.2 MHz的低壓，能精確地捕捉壓力變化。

為將人工觸覺神經(jīng)元裝置應(yīng)用到實(shí)際的疾病診斷中，研究團(tuán)隊(duì)使用惡性和良性乳腺腫瘤的彈性成像圖像，利用脈沖神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)方法來訓(xùn)練人工智能。在學(xué)習(xí)過程中，相關(guān)彩色編碼超聲彈性成像圖像的每個(gè)像素都被轉(zhuǎn)換為尖峰頻率變化值。結(jié)果表明，這套裝置能以高達(dá)95.8%的準(zhǔn)確率確定乳腺腫瘤的惡性程度。

KIST研究小組表示“開發(fā)的人工觸覺神經(jīng)元技術(shù)能夠以簡單的結(jié)構(gòu)和方法檢測(cè)和學(xué)習(xí)。通過后續(xù)研究，如果人工觸覺神經(jīng)元可以收集物體的彈性成像圖像，將有可能解決噪聲反射問題，這是超聲彈性成像的一個(gè)缺點(diǎn)?！?該團(tuán)隊(duì)希望人工觸覺神經(jīng)元設(shè)備在未來能應(yīng)用于疾病診斷還可應(yīng)用于人手無法直接進(jìn)行操作的手術(shù)中，幫助快速確定手術(shù)部位。

參考文獻(xiàn)

[1] Lee, J., Kim, S., Park, S., Lee, J., Hwang, W., Cho, S. W., ... & Yi, H. (2022). An Artificial Tactile Neuron Enabling Spiking Representation of Stiffness and Disease Diagnosis. Advanced Materials, 2201608.

[2] https://www.eurekalert.org/news-releases/958262