近期， 西安光机所张周锋博士带领研究团队在光谱医学诊断领域取得新进展，将高光谱显微成像技术与深度学习理论相结合，实现了临床多类病原菌的快速识别。


传染病一直是人类生存的主要威胁，它们给社会带来了巨大的经济负担，传统的细菌鉴定方法昂贵、耗时且费力，因此，在短时间内自动快速识别病原菌具有重要意义。

该研究团队结合高光谱显微技术和基于深度学习的算法缓冲网，构建了一个人工智能辅助的细菌属快速自动识别系统。该算法在由11个属组成的13万多幅高光谱图像的自建数据集上经过训练和验证，精度达到94.9%，优于1D-CNN、2D-CNN和3D ResNet。


高光谱病原菌数据分析流程

该研究团队开发的人工智能辅助系统在帮助临床医生以廉价、快速和自动化的方式在单细胞水平上高精度地识别病原菌方面具有巨大潜力。由于人工智能辅助系统可以在单细胞水平上快速识别病原菌属(每个高光谱显微图像约30秒)，因此可以缩短时间甚至消除培养需求。

研究通过与多家医疗单位合作，利用自研高光谱病原菌快速分析系统成功捕获到单细菌尺度的高分辨高光谱图谱数据，利用深度学习网络对临床上万例样本数据进行分析，最终实现了多类临床病原菌类别的高效、准确识别。该研究成果可使临床医生在较短时间内掌握患者的病原菌感染信息，对于诊疗方案的快速制定具有非常重要的临床指导意义。

该研究为光谱成像技术研究室、西安市生物医学光谱学重点实验室在医工交叉领域的研究开辟了新方向，预期未来将在癌变组织快速诊断、数字病理、手术引导等应用领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”为题发表于国际著名学术期刊《Cells》的Topical Collection 《Computational Imaging for Biophotonics and Biomedicine》，IF:7.7。该Collection在显微成像、光谱学、机器学习和AI领域具有较高的影响力。论文第一作者为中国科学院大学2020级博士研究生陶成龙，合作者为杜剑助理研究员，通讯作者为胡炳樑研究员与张周锋博士。