傳染病一直是人類生存的主要威脅，它們給社會帶來了巨大的經濟負擔，傳統的細菌鑒定方法昂貴、耗時且費力，因此，在短時間內自動快速識別病原菌具有重要意義。
 

　　該研究團隊結合高光譜顯微技術和基于深度學習的算法緩沖網，構建了一個人工智能輔助的細菌屬快速自動識別系統。該算法在由11個屬組成的13萬多幅高光譜圖像的自建數據集上經過訓練和驗證，精度達到94.9%，優于1D-CNN、2D-CNN和3D ResNet。
 

高光譜病原菌數據分析流程
 

　　該研究團隊開發的人工智能輔助系統在幫助臨床醫生以廉價、快速和自動化的方式在單細胞水平上高精度地識別病原菌方面具有巨大潛力。由于人工智能輔助系統可以在單細胞水平上快速識別病原菌屬(每個高光譜顯微圖像約30秒)，因此可以縮短時間甚至消除培養需求。
 

　　研究通過與多家醫療單位合作，利用自研高光譜病原菌快速分析系統成功捕獲到單細菌尺度的高分辨高光譜圖譜數據，利用深度學習網絡對臨床上萬例樣本數據進行分析，最終實現了多類臨床病原菌類別的高效、準確識別。該研究成果可使臨床醫生在較短時間內掌握患者的病原菌感染信息，對于診療方案的快速制定具有非常重要的臨床指導意義。
 

　　該研究為光譜成像技術研究室、西安市生物醫學光譜學重點實驗室在醫工交叉領域的研究開辟了新方向，預期未來將在癌變組織快速診斷、數字病理、手術引導等應用領域取得更多的研究成果。
 

　　研究成果以“A deep-learning based system for rapid genus identification of pathogens under hyperspectral microscopic images”為題發表于國際著名學術期刊《Cells》的Topical Collection 《Computational Imaging for Biophotonics and Biomedicine》，IF:7.7。該Collection在顯微成像、光譜學、機器學習和AI領域具有較高的影響力。論文第一作者為中國科學院大學2020級博士研究生陶成龍，合作者為杜劍助理研究員，通訊作者為胡炳樑研究員與張周鋒博士。