眼睛被认为是心灵的窗户，但谷歌的研究人员把眼睛视为一个人健康的指示器。这家科技巨头通过分析他们的视网膜照片，利用深度学习预测一个人的血压、年龄和吸烟状况。谷歌的计算机从血管的排列中收集到线索，初步研究表明，这些机器可以利用这些信息来预测是否有人有心脏病发作的危险。
这项研究依赖于卷积神经网络，这是一种深刻的学习算法，它正在改变生物学家如何分析图像。科学家们正在利用这种方法发现基因组中的突变并预测单细胞布局的变化。谷歌的做法，在八月预印本 (R. Poplin et al. Preprint at https://arxiv.org/abs/1708.09843; 2017)，是一个新的深度学习的应用使图像处理变得更加容易和灵活，甚至可以识别忽视的生物现象的一部分。“在生物学的许多领域应用机器学习是不现实的，”加利福尼亚山景城谷歌研究所的工程主任Philip Nelson说。“现在你可以，但更令人兴奋的是，机器现在可以看到人类以前从未见过的东西。”
卷积神经网络允许计算机处理图像的高效、全面、无裂成部分。在计算机技术和存储技术的进步下，这一方法在2012左右的科技部门开始流行起来，例如，脸谱网使用这种类型的深层学习来识别照片中的人脸。但是科学家们努力将网络应用于生物学，部分原因是由于不同文化之间的差异。“把一群聪明的生物学家和放在一个智能计算机科学家的房间，他们将讨论两种不同的语言向对方，并有不同的心态，”Daphne Koller说。
科学家还必须确定哪些类型的研究可以使用网络进行，这些网络必须经过大量的图像训练才能开始预测。当谷歌想用深度学习来发现基因组中的变异时，它的科学家不得不将DNA字母转换成计算机可以识别的图像。然后，他们把他们的网络训练成与参考基因组一致的DNA片段，并且他们的突变是已知的。最终的结果是DeepVariant，一个工具在十二月发布，可以在DNA序列中发现的小变化。在试验中，至少和传统的工具进行deepvariant。
华盛顿西雅图艾伦细胞科学研究所的细胞生物学家利用卷积神经网络将光学显微镜捕获的扁平、灰色图像转化为三维图像，其中一些细胞器被标记为彩色。该方法无需染色细胞的过程需要更多的时间和一个先进的实验室，并能损害细胞。上个月，研究小组公布了一种先进技术的细节，该技术可以利用一些数据如细胞轮廓来预测更多细胞部分的形状和位置（G. R. Johnson等人）。在http://doi.org/chwv BioRxiv上预印本；2017）。
“你现在看到的是，机器学习如何完成与成像有关的生物学任务，这是一个前所未有的转变，”马萨诸塞州剑桥麻省理工学院和哈佛大学广义研究所成像平台主任Anne Carpenter说。2015，她的跨学科团队开始使用卷积神经网络处理细胞图像，现在，Carpenter说，网络在她的中心处理了大约15%的图像数据。她预测，这种方法将在几年内成为该中心的主要处理方式。
其他人最为兴奋的是，用卷积神经网络分析图像可能会无意中揭示出微妙的生物现象，促使生物学家提出他们可能没有考虑过的问题。“科学中最有趣的短语不是“尤里卡”！“但是，那很奇怪，怎么回事？“罗伊·尼尔森说。
转自
https://www.scientificamerican.c ... elligence_Weekly_74
|
楼主
标题置顶
标题高亮
