中國人工智能學會科普工作委員會

來自 搜狐網 的圖片

中國人工智能學會科普工作委員會成立於2005年，會員來自全國30多個省、自治區和直轄市的高校、科研院所及企業單位，是國內人工智能領域具有活力和凝聚力的專業科普組織。自成立至今，其在傳播科學思想，普及科學知識，弘揚科學精神，促進學術繁榮，推動人工智能學科發展等方面，做了大量卓有成效的工作，贏得了較好的社會聲譽。為適應人工智能產業與人工智能經濟發展的新要求，中國人工智能學會科普工作委員會將進一步促進學會的學術交流，促進公眾理解人工智能技術，加強科普專家隊伍建設，開展多樣化的科普活動，從而推動我國人工智能技術領域的更好發展。

目錄

相關資訊

CAAI理事長戴瓊海院士團隊突破光子噪聲極限，實現實時超靈敏熒光成像

2022年9月26日，Nature Biotechnology雜誌發表了CAAI理事長、清華大學戴瓊海院士課題組題為 Real-time denoising enables high-sensitivity fluorescence time-lapse imaging beyond the shot-noise limit 的研究論文。清華大學自動化系博士生李欣陽，復旦大學信息學院博士生李奕昕為該論文共同第一作者；清華大學腦與認知科學研究院、自動化系戴瓊海教授，電子系方璐副教授，深圳國際研究生院王好謙教授為該論文共同通訊作者。該研究突破光子噪聲極限，實現了實時超靈敏熒光成像，這種基於AI方法的研究也進一步加強了學會在這一領域的理論貢獻。

2022年9月15日，中山大學林浩添教授、清華大學戴瓊海教授和徐楓教授合作在Nature Medicine雜誌在線發表題為「A digital mask to safeguard patient privacy」的研究論文，為了最大限度地保護個人面部敏感信息，基於 3D 重建和深度學習算法，該研究開發了一種名為「數字面罩 (Digital Mask, DM)」的技術，能夠不可逆地擦除可識別特徵，同時保留診斷所需的疾病相關特徵。這項技術創新性解決了患者眼面部的個人敏感信息保護和基於眼部圖像的疾病診斷需求的矛盾，加強患者個人敏感信息保護，推進數字醫學高質量發展。

另外，2022年6月29日，清華大學戴瓊海及吳嘉敏共同通訊在Nature Protocols 在線發表題為「A practical guide to scanning light-field microscopy with digital adaptive optics」的研究論文，該研究提出了一個分步方案，用於通過使用現成的鏡頭和設備以低成本將多色 sLFM 的硬件和軟件實現作為普通寬視場熒光顯微鏡的附加組件。該過程可以很容易地應用於其他 LFM 變體，這在某些實驗環境中可能是有利的。由於 sLFM 對高質量數據的算法後處理的強烈依賴，該方案描述了用於校正和性能優化的各種人工製品和相應的參數。為了增加對系統未對準和器件製造差異的容限，該研究描述了一種一步校準方法，可實現高達衍射極限的穩健成像性能。該研究提供了一個開源圖形用戶界面，用於硬件同步和多視圖圖像的實時操作。具有光學和電子學基礎知識的整個過程，包括光學設置、軟件安裝、系統校準和 3D 重建，可在 3-4 d 內完成。

2022年3月28日，UCSF的Lani F. Wu，Steven J. Altschuler及清華大學戴瓊海（共同一作為鮑峰和Yue Deng）共同通訊在Nature Biotechnology 在線發表題為「Integrative spatial analysis of cell morphologies and transcriptional states with MUSE」的研究論文，該研究提出了多模式結構化嵌入 (MUSE)，這是一種通過整合形態學和空間分辨的轉錄數據來表徵細胞和組織區域的方法。該研究證明 MUSE 可以發現任一模態遺漏的組織亞群，並補償特定於模態的噪聲。該研究將 MUSE 應用於包含空間轉錄組學（seqFISH+、STARmap 或 Visium）和成像模式的各種數據集。MUSE 確定了健康大腦皮層和腸道組織中具有生物學意義的組織亞群和定型空間模式。在患病組織中，MUSE 揭示了與腫瘤區域接近的基因生物標誌物以及阿爾茨海默病腦區澱粉樣前體蛋白加工的異質性。MUSE 能夠整合多模態數據，從而深入了解複雜生物組織中細胞的狀態、功能和組織。

生物體的正常運轉依賴一系列時空協調的細胞和亞細胞活動，觀察和記錄這些現象是了解它們的第一步。熒光顯微鏡與不斷發展的熒光探針相結合，為科學家提供了一種具有良好分子特異性和高時空分辨率的觀測工具。熒光成像的最新進展使我們能夠以前所未有的時空分辨率解析生命活動機制，從納米尺度的細胞器相互作用，到胚胎髮育過程中的細胞足跡，再到與特定行為同步的全腦神經活動。

熒光成像的一個基本挑戰是光子探測不可避免的隨機性導致的光子散粒噪聲，這是由光的量子本質決定的。從根本上說，所有測量過程都服從量子力學定律，最直接的表現就是任何測量過程都存在精度的上限，光學成像領域的這個極限被稱為光子噪聲極限。在理論上，光子噪聲極限規定了成像信噪比的上界；在實踐上，固有的光子噪聲會增加測量的不確定性，降低圖像質量，並限制成像的分辨率、速度和靈敏度等各個方面。光子噪聲是前沿科學觀測中繞不開的障礙，Nature雜誌曾以「A shout-out for noise-reduction tools」為主題發表評述，指出任何實際測量的圖像都必定是包含噪聲的，呼籲開發更準確、更可靠、更高效的去噪方法以推動基礎科學研究。

2022年9月26日，Nature Biotechnology雜誌以長文形式發表了清華大學腦與認知科學研究院、自動化系、清華-IDG/麥戈文腦科學研究院戴瓊海課題組題為 Real-time denoising enables high-sensitivity fluorescence time-lapse imaging beyond the shot-noise limit 的研究論文【1】，實現了實時超靈敏熒光成像。

該團隊繼2021年在Nature Methods發文提出針對神經鈣成像的自監督去噪基礎架構後（詳見BioArt報道：Nat Methods | 戴瓊海團隊開發自監督學習方法突破熒光鈣成像光子噪聲極限）【2】，進一步從網絡結構和硬件部署兩個方面對該方法進行了全面優化，在有效提升去噪性能和可靠性的同時，將模型體量壓縮16倍，內存消耗降低27倍，處理時間縮減20倍，並設計多線程調度方法實現和顯微鏡硬件系統的融合，最終在雙光子顯微鏡上實現了實時去噪（簡稱DeepCAD-RT）。藉助該方法，即使可探測的熒光光子數目縮減十倍，依然能夠實現超越光子噪聲極限的超靈敏的熒光成像。DeepCAD-RT被應用於小鼠、斑馬魚、果蠅等多種模式動物，在神經元鈣動態、免疫細胞遷移、神經遞質發放等多種生命過程的觀測任務上，均表現出強大的去噪性能。

在當今的神經科學領域，各種各樣的模式動物正在被用於實驗研究。開發一種對各種模式動物、各種細胞結構都適用的去噪方法，將對神經成像產生巨大的幫助。作者在不同分辨率下拍攝了小鼠大腦皮層樹突棘、斑馬魚視頂蓋神經元群落、果蠅磨菇體神經元的鈣活動，包括低信噪比的原始數據以及具備十倍熒光光子的同步數據。使用DeepCAD-RT去除原始低信噪比數據中的噪聲後發現，去噪後數據的信噪比得到大幅提升，原本淹沒在噪聲中的神經活動可以被真實地恢復出來，信噪比超過具備十倍光子的高信噪比同步數據。作者結合多種量化指標證明了DeepCAD-RT對於不同模式動物和神經結構的兼容性。

免疫細胞的遷移對於大腦損傷的修復至關重要。由於高激發功率所引發的光漂白、光毒性、組織損傷會擾亂正常的免疫反應，對免疫細胞遷移的觀測必須使用很低的激發功率。而普通的雙光子顯微鏡在低激發功率下的成像信噪比過低，很難揭示免疫細胞完整的三維遷移過程。為了解決這個問題，作者首先使用雙光子顯微鏡在低功率下拍攝了急性腦損傷後，小鼠大腦皮層中性粒細胞的三維遷移過程，然後藉助DeepCAD-RT去除圖像中的噪聲。量化分析表明，DeepCAD-RT能夠有效去除圖像中的噪聲，恢復原始圖像中被噪聲淹沒的信號，使免疫細胞的結構和遷移動態變得清晰可見。藉助這項技術，作者成功觀測到了炎症消除後，大批中性粒細胞從損傷位點逐漸彌散的整個三維過程。

在研究細胞遷移時，細胞分割能夠獲取細胞的數目、形態、分布等信息，通常是下游量化分析的第一步。DeepCAD-RT卓越的去噪能力能夠大幅提升細胞分割的準確度，有助於協助研究人員得出更準確的生物學結論。作者以中性粒細胞的分割為例，使用Cellpose【3】和Stardist【4】這兩種最先進的細胞分割方法，對去噪前後的數據進行分割，結果表明，DeepCAD-RT去噪之後的數據具有十分明顯的細胞邊界，分割的效果得到了大幅提升。

隨着熒光探針家族的不斷發展壯大，用於神經功能學研究的神經活動探針已經從經典的鈣探針，擴展到多巴胺、穀氨酸、乙酰膽鹼等多種神經遞質。在神經系統中，ATP（腺嘌呤核苷三磷酸）除了作為供能物質外，同時也是重要的信號分子。藉助北京大學生命科學學院李毓龍教授實驗室開發的新一代ATP熒光探針GRABATP1.0【5】，作者研究腦組織損傷後，損傷位點周圍ATP的三維發放活動。由於激發導致的光毒性和組織損傷會誘發額外的ATP發放，使用低功率的激發光對於避免實驗偏差尤其關鍵。因此，作者充分降低雙光子顯微鏡的激發功率，對損傷位點周圍的ATP活動進行了長達一個小時的連續三維記錄。由於低激發功率下的成像信噪比十分低，作者使用DeepCAD-RT去除實驗數據中的噪聲。實驗結果表明，去噪後的數據能夠揭示更多細微的ATP發放活動，從而有助於得出關於發放位置、時間、發放點位的三維形狀等更完整的統計結論。

作為一種在多種模式動物、多種生命過程上均表現出強大性能的去噪技術，DeepCAD-RT有望應用到更多的成像場景中，並推進多種成像技術的發展。例如，在對深層組織進行成像時，組織散射和吸收會大幅削減激發功率，導致成像信噪比無法滿足需求；光場顯微鏡能夠實現對活體樣本的快速三維成像，但固有的成像噪聲給光場的重建造成困難；結構光顯微鏡能夠實現超過衍射極限的超分辨成像，但是噪聲同樣限制了其圖像的重建。將DeepCAD-RT與這些技術結合，在數據處理的最前端有效降低噪聲帶來的不確定性，有助於解決這些難題並帶來新的生命科學發現。

清華大學自動化系博士生李欣陽，復旦大學信息學院博士生李奕昕為該論文共同第一作者；清華大學腦與認知科學研究院、清華大學自動化系戴瓊海教授，清華大學電子系方璐副教授，清華大學深圳國際研究生院王好謙教授為該論文共同通訊作者。