中国人工智能学会科普工作委员会查看源代码讨论查看历史

来自 搜狐网 的图片

中国人工智能学会科普工作委员会成立于2005年，会员来自全国30多个省、自治区和直辖市的高校、科研院所及企业单位，是国内人工智能领域具有活力和凝聚力的专业科普组织。自成立至今，其在传播科学思想，普及科学知识，弘扬科学精神，促进学术繁荣，推动人工智能学科发展等方面，做了大量卓有成效的工作，赢得了较好的社会声誉。为适应人工智能产业与人工智能经济发展的新要求，中国人工智能学会科普工作委员会将进一步促进学会的学术交流，促进公众理解人工智能技术，加强科普专家队伍建设，开展多样化的科普活动，从而推动我国人工智能技术领域的更好发展。

相关资讯

CAAI理事长戴琼海院士团队突破光子噪声极限，实现实时超灵敏荧光成像

2022年9月26日，Nature Biotechnology杂志发表了CAAI理事长、清华大学戴琼海院士课题组题为 Real-time denoising enables high-sensitivity fluorescence time-lapse imaging beyond the shot-noise limit 的研究论文。清华大学自动化系博士生李欣阳，复旦大学信息学院博士生李奕昕为该论文共同第一作者；清华大学脑与认知科学研究院、自动化系戴琼海教授，电子系方璐副教授，深圳国际研究生院王好谦教授为该论文共同通讯作者。该研究突破光子噪声极限，实现了实时超灵敏荧光成像，这种基于AI方法的研究也进一步加强了学会在这一领域的理论贡献。

2022年9月15日，中山大学林浩添教授、清华大学戴琼海教授和徐枫教授合作在Nature Medicine杂志在线发表题为“A digital mask to safeguard patient privacy”的研究论文，为了最大限度地保护个人面部敏感信息，基于 3D 重建和深度学习算法，该研究开发了一种名为“数字面罩 (Digital Mask, DM)”的技术，能够不可逆地擦除可识别特征，同时保留诊断所需的疾病相关特征。这项技术创新性解决了患者眼面部的个人敏感信息保护和基于眼部图像的疾病诊断需求的矛盾，加强患者个人敏感信息保护，推进数字医学高质量发展。

另外，2022年6月29日，清华大学戴琼海及吴嘉敏共同通讯在Nature Protocols 在线发表题为“A practical guide to scanning light-field microscopy with digital adaptive optics”的研究论文，该研究提出了一个分步方案，用于通过使用现成的镜头和设备以低成本将多色 sLFM 的硬件和软件实现作为普通宽视场荧光显微镜的附加组件。该过程可以很容易地应用于其他 LFM 变体，这在某些实验环境中可能是有利的。由于 sLFM 对高质量数据的算法后处理的强烈依赖，该方案描述了用于校正和性能优化的各种人工制品和相应的参数。为了增加对系统未对准和器件制造差异的容限，该研究描述了一种一步校准方法，可实现高达衍射极限的稳健成像性能。该研究提供了一个开源图形用户界面，用于硬件同步和多视图图像的实时操作。具有光学和电子学基础知识的整个过程，包括光学设置、软件安装、系统校准和 3D 重建，可在 3-4 d 内完成。

2022年3月28日，UCSF的Lani F. Wu，Steven J. Altschuler及清华大学戴琼海（共同一作为鲍峰和Yue Deng）共同通讯在Nature Biotechnology 在线发表题为“Integrative spatial analysis of cell morphologies and transcriptional states with MUSE”的研究论文，该研究提出了多模式结构化嵌入 (MUSE)，这是一种通过整合形态学和空间分辨的转录数据来表征细胞和组织区域的方法。该研究证明 MUSE 可以发现任一模态遗漏的组织亚群，并补偿特定于模态的噪声。该研究将 MUSE 应用于包含空间转录组学（seqFISH+、STARmap 或 Visium）和成像模式的各种数据集。MUSE 确定了健康大脑皮层和肠道组织中具有生物学意义的组织亚群和定型空间模式。在患病组织中，MUSE 揭示了与肿瘤区域接近的基因生物标志物以及阿尔茨海默病脑区淀粉样前体蛋白加工的异质性。MUSE 能够整合多模态数据，从而深入了解复杂生物组织中细胞的状态、功能和组织。

生物体的正常运转依赖一系列时空协调的细胞和亚细胞活动，观察和记录这些现象是了解它们的第一步。荧光显微镜与不断发展的荧光探针相结合，为科学家提供了一种具有良好分子特异性和高时空分辨率的观测工具。荧光成像的最新进展使我们能够以前所未有的时空分辨率解析生命活动机制，从纳米尺度的细胞器相互作用，到胚胎发育过程中的细胞足迹，再到与特定行为同步的全脑神经活动。

荧光成像的一个基本挑战是光子探测不可避免的随机性导致的光子散粒噪声，这是由光的量子本质决定的。从根本上说，所有测量过程都服从量子力学定律，最直接的表现就是任何测量过程都存在精度的上限，光学成像领域的这个极限被称为光子噪声极限。在理论上，光子噪声极限规定了成像信噪比的上界；在实践上，固有的光子噪声会增加测量的不确定性，降低图像质量，并限制成像的分辨率、速度和灵敏度等各个方面。光子噪声是前沿科学观测中绕不开的障碍，Nature杂志曾以“A shout-out for noise-reduction tools”为主题发表评述，指出任何实际测量的图像都必定是包含噪声的，呼吁开发更准确、更可靠、更高效的去噪方法以推动基础科学研究。

2022年9月26日，Nature Biotechnology杂志以长文形式发表了清华大学脑与认知科学研究院、自动化系、清华-IDG/麦戈文脑科学研究院戴琼海课题组题为 Real-time denoising enables high-sensitivity fluorescence time-lapse imaging beyond the shot-noise limit 的研究论文【1】，实现了实时超灵敏荧光成像。

该团队继2021年在Nature Methods发文提出针对神经钙成像的自监督去噪基础架构后（详见BioArt报道：Nat Methods | 戴琼海团队开发自监督学习方法突破荧光钙成像光子噪声极限）【2】，进一步从网络结构和硬件部署两个方面对该方法进行了全面优化，在有效提升去噪性能和可靠性的同时，将模型体量压缩16倍，内存消耗降低27倍，处理时间缩减20倍，并设计多线程调度方法实现和显微镜硬件系统的融合，最终在双光子显微镜上实现了实时去噪（简称DeepCAD-RT）。借助该方法，即使可探测的荧光光子数目缩减十倍，依然能够实现超越光子噪声极限的超灵敏的荧光成像。DeepCAD-RT被应用于小鼠、斑马鱼、果蝇等多种模式动物，在神经元钙动态、免疫细胞迁移、神经递质发放等多种生命过程的观测任务上，均表现出强大的去噪性能。

在当今的神经科学领域，各种各样的模式动物正在被用于实验研究。开发一种对各种模式动物、各种细胞结构都适用的去噪方法，将对神经成像产生巨大的帮助。作者在不同分辨率下拍摄了小鼠大脑皮层树突棘、斑马鱼视顶盖神经元群落、果蝇磨菇体神经元的钙活动，包括低信噪比的原始数据以及具备十倍荧光光子的同步数据。使用DeepCAD-RT去除原始低信噪比数据中的噪声后发现，去噪后数据的信噪比得到大幅提升，原本淹没在噪声中的神经活动可以被真实地恢复出来，信噪比超过具备十倍光子的高信噪比同步数据。作者结合多种量化指标证明了DeepCAD-RT对于不同模式动物和神经结构的兼容性。

免疫细胞的迁移对于大脑损伤的修复至关重要。由于高激发功率所引发的光漂白、光毒性、组织损伤会扰乱正常的免疫反应，对免疫细胞迁移的观测必须使用很低的激发功率。而普通的双光子显微镜在低激发功率下的成像信噪比过低，很难揭示免疫细胞完整的三维迁移过程。为了解决这个问题，作者首先使用双光子显微镜在低功率下拍摄了急性脑损伤后，小鼠大脑皮层中性粒细胞的三维迁移过程，然后借助DeepCAD-RT去除图像中的噪声。量化分析表明，DeepCAD-RT能够有效去除图像中的噪声，恢复原始图像中被噪声淹没的信号，使免疫细胞的结构和迁移动态变得清晰可见。借助这项技术，作者成功观测到了炎症消除后，大批中性粒细胞从损伤位点逐渐弥散的整个三维过程。

在研究细胞迁移时，细胞分割能够获取细胞的数目、形态、分布等信息，通常是下游量化分析的第一步。DeepCAD-RT卓越的去噪能力能够大幅提升细胞分割的准确度，有助于协助研究人员得出更准确的生物学结论。作者以中性粒细胞的分割为例，使用Cellpose【3】和Stardist【4】这两种最先进的细胞分割方法，对去噪前后的数据进行分割，结果表明，DeepCAD-RT去噪之后的数据具有十分明显的细胞边界，分割的效果得到了大幅提升。

随着荧光探针家族的不断发展壮大，用于神经功能学研究的神经活动探针已经从经典的钙探针，扩展到多巴胺、谷氨酸、乙酰胆碱等多种神经递质。在神经系统中，ATP（腺嘌呤核苷三磷酸）除了作为供能物质外，同时也是重要的信号分子。借助北京大学生命科学学院李毓龙教授实验室开发的新一代ATP荧光探针GRABATP1.0【5】，作者研究脑组织损伤后，损伤位点周围ATP的三维发放活动。由于激发导致的光毒性和组织损伤会诱发额外的ATP发放，使用低功率的激发光对于避免实验偏差尤其关键。因此，作者充分降低双光子显微镜的激发功率，对损伤位点周围的ATP活动进行了长达一个小时的连续三维记录。由于低激发功率下的成像信噪比十分低，作者使用DeepCAD-RT去除实验数据中的噪声。实验结果表明，去噪后的数据能够揭示更多细微的ATP发放活动，从而有助于得出关于发放位置、时间、发放点位的三维形状等更完整的统计结论。

作为一种在多种模式动物、多种生命过程上均表现出强大性能的去噪技术，DeepCAD-RT有望应用到更多的成像场景中，并推进多种成像技术的发展。例如，在对深层组织进行成像时，组织散射和吸收会大幅削减激发功率，导致成像信噪比无法满足需求；光场显微镜能够实现对活体样本的快速三维成像，但固有的成像噪声给光场的重建造成困难；结构光显微镜能够实现超过衍射极限的超分辨成像，但是噪声同样限制了其图像的重建。将DeepCAD-RT与这些技术结合，在数据处理的最前端有效降低噪声带来的不确定性，有助于解决这些难题并带来新的生命科学发现。

清华大学自动化系博士生李欣阳，复旦大学信息学院博士生李奕昕为该论文共同第一作者；清华大学脑与认知科学研究院、清华大学自动化系戴琼海教授，清华大学电子系方璐副教授，清华大学深圳国际研究生院王好谦教授为该论文共同通讯作者。