0
  • 聊天消息
  • 系统消息
  • 评论与回复
登录后你可以
  • 下载海量资料
  • 学习在线课程
  • 观看技术视频
  • 写文章/发帖/加入社区
会员中心
创作中心

完善资料让更多小伙伴认识你,还能领取20积分哦,立即完善>

3天内不再提示

深度学习算法应用于器官芯片的最新研究进展

MEMS 来源:MEMS 作者:MEMS 2022-03-29 09:27 次阅读

近期,西北工业大学柔性电子前沿科学中心的黄维院士、彭勃副教授、李林教授课题组发表了综述文章,详细且全面地介绍、分析并总结了将深度学习算法应用于器官芯片最新研究进展,并对这一新型交叉领域的未来发展方向进行了展望,相关综述以“An Overview of Organs-on-Chips Based on Deep Learning” 为题发表在Research上。

研究背景

生物实验中使用最广泛的疾病模型是二维细胞模型与动物模型,是绝大多数药物进入临床研究的“必修课”。

但它们都有一定的局限性:细胞模型在生物医学研究中有一定的价值,但它不能充分地模拟人体器官组织的复杂生理结构与功能;动物模型是目前许多生物学研究的金标准,但存在成本高、通量低、动物伦理、种间差异等问题,极大地限制了药物开发和其他生物学研究的进展。

长久以来,疾病模型的缺陷极大地提高了新药研发的成本并限制了病理学的研究。

在这一背景下,器官芯片(Organs-on-Chips,OoCs)的出现弥补了一般疾病模型的缺陷。

器官芯片是在微流控技术(Microfluidics)的发展过程中,与光刻技术、细胞生物学、材料和生物组织工程等技术相结合的产物。

作为一种微流控细胞培养装置,器官芯片包含连续的灌注腔室,具有多细胞层结构和组织界面,可以复现器官的局部结构特征;通过精确控制多细胞生长环境参数、组织机械力,从而实现体内器官的复杂生理功能的高度模拟。

其优点众多,例如能耗低、体积小、反应速度快、即用即弃等。

作为高通量生物研究平台,器官芯片在生命科学研究、疾病模拟、毒性预测、新药研发及精准医疗等方面具有广阔的发展前景。

2016年,器官芯片入选了达沃斯论坛年度十大新兴技术之一,与目前风头正盛的两大新兴技术——新燃料电池和无人驾驶汽车并驾齐驱。

但是,器官芯片反应速度快、高通量的特点所产生巨量的数据,加上精确控制组织微环境所需的自动化方案,已经远远超出了具有生物医学背景的研究人员在短时间内进行人工分析的范畴。

因此,器官芯片急需寻找一个可以辅助、甚至代替研究人员进行分析判断的工具,从而提升实验效率和准确度。

随着计算机算力的提升和大数据时代的到来,通过计算机代替人类完成一些任务不再是痴人说梦。

人工智能(Artificial Intelligence)近年来在计算机视觉、自然语言处理、语音识别等多个领域都得到了广泛应用,并成功地实现了商业化,是“第四次工业革命”中的关键技术。

深度学习(Deep Learning)作为目前人工智能领域中最炙手可热的算法,建立深层人工神经网络进行分析学习,从而模拟视听和思考等人类的活动。

由于其强大的特征表示能力和数据挖掘能力,在计算机视觉、自然语言处理、语音识别领域都已经得到了广泛的应用,使得人工智能相关技术取得了很大进步。

因此,将深度学习技术作为探索和分析器官芯片实验数据的有力工具,可以有效挖掘海量数据背后所隐含的内在规律,提升器官芯片的智能化水平,并激发其在药物开发、疾病建模和个性化医疗方面的巨大潜力(图1)。

ab4b9312-ae4e-11ec-aa7f-dac502259ad0.png

图1 基于深度学习的器官芯片

研究进展与展望

本文从四个方面介绍了这一领域的研究进展。

1.微流控技术和以其为技术支撑的器官芯片装置。与传统疾病模型进行对比后,可直观地发现器官芯片的特性与优势。目前限制了器官芯片的发展瓶颈之一是:高通量的实验平台带来了巨量数据和人为的实验误差。

2. 系统地讲述了深度学习算法的发展历程,并在其中穿插讲解了算法原理及一些经典的实现深度学习的神经网络模型。

3. 对目前各种适用于器官芯片,或已经用于部分器官芯片分析的深度学习算法进行了介绍、分析和总结。本文以应用场景的不同、器官芯片设备的升级、深度学习算法的复杂度为分类依据,循序渐进地对相关应用进行了介绍,有助于对不同应用之间进行对比分析。通过目标任务(预测、到目标识别、到图像分割、到跟踪)的实现难度,对已有的基于深度学习的器官芯片应用进行分类(图2)。

ab6694dc-ae4e-11ec-aa7f-dac502259ad0.png

图2 交叉应用的总结分类

4. 从细胞器的识别与监测、微流控细胞培养系统的自动化与智能化、药物开发、罕见病的诊断以及多器官芯片耦合的人体芯片等不同角度,为这一新型交叉应用的未来发展方向进行展望。

审核编辑 :李倩

声明:本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人,不代表电子发烧友网立场。文章及其配图仅供工程师学习之用,如有内容侵权或者其他违规问题,请联系本站处理。 举报投诉
  • 芯片
    +关注

    关注

    452

    文章

    50142

    浏览量

    420455
  • 深度学习
    +关注

    关注

    73

    文章

    5457

    浏览量

    120863

原文标题:基于深度学习的器官芯片应用新进展

文章出处:【微信号:MEMSensor,微信公众号:MEMS】欢迎添加关注!文章转载请注明出处。

收藏 人收藏

    评论

    相关推荐

    GPU深度学习应用案例

    能力,可以显著提高图像识别模型的训练速度和准确性。例如,在人脸识别、自动驾驶等领域,GPU被广泛应用于加速深度学习模型的训练和推理过程。 二、自然语言处理 自然语言处理(NLP)是深度
    的头像 发表于 10-27 11:13 266次阅读

    AI大模型的最新研究进展

    AI大模型的最新研究进展体现在多个方面,以下是对其最新进展的介绍: 一、技术创新与突破 生成式AI技术的爆发 : 生成式AI技术正在迅速发展,其强大的生成能力使得AI大模型在多个领域得到广泛应用
    的头像 发表于 10-23 15:19 235次阅读

    FPGA做深度学习能走多远?

    的应用场景。 • 可重构性:在深度学习高速迭代的情况下,FPGA 比一些专用芯片(如 ASIC)具有更强的灵活性。当深度学习
    发表于 09-27 20:53

    深度识别算法包括哪些内容

    :CNN是深度学习中处理图像和视频等具有网格结构数据的主要算法。它通过卷积层、池化层和全连接层等组件,实现对图像特征的自动提取和识别。 应用领域 :CNN在图像识别、目标检测、视频分析、人脸识别等领域取得了巨大成功,被广泛
    的头像 发表于 09-10 15:28 245次阅读

    深度学习算法在嵌入式平台上的部署

    随着人工智能技术的飞速发展,深度学习算法在各个领域的应用日益广泛。然而,将深度学习算法部署到资源
    的头像 发表于 07-15 10:03 1050次阅读

    利用Matlab函数实现深度学习算法

    在Matlab中实现深度学习算法是一个复杂但强大的过程,可以应用于各种领域,如图像识别、自然语言处理、时间序列预测等。这里,我将概述一个基本的流程,包括环境设置、数据准备、模型设计、训
    的头像 发表于 07-14 14:21 1765次阅读

    深度学习中的时间序列分类方法

    时间序列分类(Time Series Classification, TSC)是机器学习深度学习领域的重要任务之一,广泛应用于人体活动识别、系统监测、金融预测、医疗诊断等多个领域。随
    的头像 发表于 07-09 15:54 618次阅读

    深度解析深度学习下的语义SLAM

    随着深度学习技术的兴起,计算机视觉的许多传统领域都取得了突破性进展,例如目标的检测、识别和分类等领域。近年来,研究人员开始在视觉SLAM算法
    发表于 04-23 17:18 1214次阅读
    <b class='flag-5'>深度</b>解析<b class='flag-5'>深度</b><b class='flag-5'>学习</b>下的语义SLAM

    综述:高性能锑化物中红外半导体激光器研究进展

    据麦姆斯咨询报道,近期,由中国科学院半导体研究所和中国科学院大学组成的科研团队受邀在《激光技术》期刊上发表了以“高性能锑化物中红外半导体激光器研究进展”为主题的文章。该文章第一作者为曹钧天,通讯作者为杨成奥和牛智川研究员。
    的头像 发表于 04-13 12:08 1839次阅读
    综述:高性能锑化物中红外半导体激光器<b class='flag-5'>研究进展</b>

    深度学习在偏振图像融合领域的研究进展与现状

    基于多尺度变换(MST)的偏振图像融合方法研究开始较早且应用广泛。2016年,中北大学提出一种红外偏振与强度图像融合算法,融合结果能够保留红外强度图像的全部特征和大部分偏振图像的特征。
    发表于 03-11 11:17 1078次阅读
    <b class='flag-5'>深度</b><b class='flag-5'>学习</b>在偏振图像融合领域的<b class='flag-5'>研究进展</b>与现状

    基于深度学习芯片缺陷检测梳理分析

    虽然表面缺陷检测技术已经不断从学术研究走向成熟的工业应用,但是依然有一些需要解决的问题。基于以上分析可以发现,由于芯片表面缺陷的独特性质,通用目标检测算法不适合直接应用于
    发表于 02-25 14:30 1161次阅读
    基于<b class='flag-5'>深度</b><b class='flag-5'>学习</b>的<b class='flag-5'>芯片</b>缺陷检测梳理分析

    【技术科普】主流的深度学习模型有哪些?AI开发工程师必备!

    深度学习在科学计算中获得了广泛的普及,其算法被广泛用于解决复杂问题的行业。所有深度学习
    的头像 发表于 01-30 15:26 553次阅读
    【技术科普】主流的<b class='flag-5'>深度</b><b class='flag-5'>学习</b>模型有哪些?AI开发工程师必备!

    目前主流的深度学习算法模型和应用案例

    深度学习在科学计算中获得了广泛的普及,其算法被广泛用于解决复杂问题的行业。所有深度学习
    的头像 发表于 01-03 10:28 1629次阅读
    目前主流的<b class='flag-5'>深度</b><b class='flag-5'>学习</b><b class='flag-5'>算法</b>模型和应用案例

    深度学习在人工智能中的 8 种常见应用

    ,彻底改变了人工智能。人脑的结构和操作启发了这些算法。你觉得怎么样?人工智能(AI)中有哪些典型的深度学习应用?深度学习经常
    的头像 发表于 12-01 08:27 3178次阅读
    <b class='flag-5'>深度</b><b class='flag-5'>学习</b>在人工智能中的 8 种常见应用

    深度学习在植物病害目标检测研究进展

    植物病害准确检测与识别是其早期诊断与智能监测的关键,是病虫害精准化防治与信息化管理的核心。深度学习应用于植物病害检测与识别中,可以克服传统诊断方法的弊端,大幅提升病害检测与识别的准确率,引起了广泛
    的头像 发表于 11-20 17:19 516次阅读