ทีมงานที่นำโดยHuan Liuแห่งสถาบันธรณีศาสตร์แห่งประเทศจีน ได้สร้างสรรค์เครื่องตรวจจับโลหะขนาดเล็ก ราคาประหยัด และใช้พลังงานต่ำที่สามารถระบุลายนิ้วมือแม่เหล็กอันเป็นเอกลักษณ์ของวัตถุโลหะขนาดเล็กได้ ประกอบด้วยอาร์เรย์เซ็นเซอร์ขนาดไมโครเมตร เครื่องมือนี้ไวต่อการรบกวนเล็กน้อยของสนามแม่เหล็กโลกที่เกิดจากวัตถุที่เป็นโลหะ
การออกแบบใหม่นี้สามารถลดขนาดและความต้องการ
พลังงานของระบบคัดกรองความปลอดภัยได้อย่างมากความสามารถในการตรวจจับวัตถุโลหะที่ซ่อนอยู่เป็นข้อกำหนดที่สำคัญของระบบรักษาความปลอดภัยสาธารณะ ปัจจุบันนี้ดำเนินการโดยเครื่องตรวจจับโลหะที่ใช้ขดลวดเหนี่ยวนำเพื่อส่งสนามแม่เหล็กไฟฟ้ากระแสสลับ ซึ่งเหนี่ยวนำให้เกิดกระแสไหลวนภายในวัตถุที่เป็นโลหะ กระแสน้ำวนเหล่านี้สร้างสนามทุติยภูมิของตัวเองซึ่งขดลวดหยิบขึ้นมา แม้ว่าจะมีประสิทธิภาพ แต่ระบบดังกล่าวก็มีขนาดใหญ่และใช้พลังงานจำนวนมาก
ทีมของ Liu ได้พัฒนาเทคนิคทางเลือกที่เน้นการเปลี่ยนแปลงตามเวลาในสนามแม่เหล็กโลก ซึ่งได้รับผลกระทบจากการปรากฏตัวของวัตถุโลหะที่อยู่ใกล้เคียง เอฟเฟกต์นี้ทำให้วัตถุมี “ลายนิ้วมือ” แม่เหล็กที่เป็นเอกลักษณ์ของตัวเอง ซึ่งขึ้นอยู่กับปัจจัยต่างๆ รวมถึงรูปร่าง ขนาด และองค์ประกอบของวัตถุ ลายนิ้วมือเหล่านี้สามารถระบุได้โดยใช้เทคนิคที่ทีมเรียกว่า “การตรวจจับแม่เหล็กที่อ่อนแอ” (WMD) นี่เป็นเทคนิคการตรวจจับแบบพาสซีฟที่ไม่ส่งสัญญาณโพรบ ซึ่งหมายความว่ามีความต้องการพลังงานต่ำมาก
ข้อเสียของ WMD คือ ลายนิ้วมือของวัตถุขนาดเล็กนั้นแยกแยะได้ยากจากเสียงรบกวนจากพื้นหลัง และสิ่งนี้ได้ขัดขวางการใช้งานจริงในแอปพลิเคชันการสแกนความปลอดภัย
การประมวลผลกลาง
ตอนนี้ Liu และเพื่อนร่วมงานได้แสดงให้เห็นว่าอัตราส่วนสัญญาณต่อสัญญาณรบกวนของ WMD สามารถปรับปรุงได้โดยใช้ระบบไมโครไฟฟ้า (MEMS) เหล่านี้คืออาร์เรย์ของส่วนประกอบระดับไมโครมิเตอร์ที่มีความไวสูงต่อสนามแม่เหล็กไฟฟ้าแวดล้อมและส่งข้อมูลไปยังหน่วยกลางเพื่อทำการประมวลผลกลไกการตรวจจับเป็นแบบแอนไอโซโทรปิกแมกนีโตรีซิสแทนซ์ (AMR) โดยความต้านทานไฟฟ้าของส่วนประกอบเครื่องตรวจจับจะเป็นหน้าที่ของความแรงและทิศทางของสนามแม่เหล็กภายนอก ซึ่งหมายความว่าเมื่อวางอาร์เรย์ในการจัดเรียงข้ามระนาบ สัญญาณรบกวนจะลดลงอย่างมาก
เครื่องตรวจจับโลหะของทีมได้รวมอาร์เรย์เซ็นเซอร์แม่เหล็กสามชุดเข้ากับไมโครคอนโทรลเลอร์ แบตเตอรี่ และพีซีที่มีกรอบการประมวลผลข้อมูลที่ระงับเสียงรบกวน ด้วยการตั้งค่านี้ นักฟิสิกส์สามารถระบุลายนิ้วมือแม่เหล็กของวัตถุโลหะที่มีขนาดเล็กกว่า 50 ซม. ได้สำเร็จ และสามารถแยกแยะระหว่างวัตถุหลายชิ้นโดยแยกจากกันไม่เกิน 20 ซม. โดยเฉพาะอย่างยิ่ง พวกเขาเลือกการกลายพันธุ์ของสนามที่เกิดจากวัตถุต่างๆ เช่น โทรศัพท์ ค้อน และมีด สามารถตรวจจับวัตถุขนาดใหญ่ เช่น ค้อน ได้ในระยะทางสูงสุด 80 ซม.
ทีมของ Liu หวังที่จะปรับปรุงความแม่นยำของอาร์เรย์เซ็นเซอร์เพื่อตรวจจับลายนิ้วมือแม่เหล็กจากระยะไกลยิ่งขึ้นและเพื่อความละเอียดที่สูงขึ้นในช่วงไม่กี่ปีที่ผ่านมาDaniel Orringerศัลยแพทย์ระบบประสาทที่ NYU Langone ได้มีส่วนร่วมในการพัฒนาเทคนิคที่ใช้เลเซอร์แบบใหม่ ซึ่งให้ภาพที่รวดเร็วและมีความละเอียดสูงของเนื้อเยื่อชีวภาพที่ยังไม่ผ่านกระบวนการ ซึ่งรู้จักกันในชื่อ Raman histology ด้วยการใช้แสงเลเซอร์เพื่อกระตุ้นเนื้อเยื่อ เทคโนโลยีนี้จะสร้างความแตกต่างระหว่างส่วนประกอบต่างๆ เช่น ไขมันและโปรตีน ซึ่งเผยให้เห็นลักษณะการวินิจฉัยที่มองเห็นได้ไม่ดีหรือมองไม่เห็นด้วยวิธีทางเนื้อเยื่อวิทยาอื่นๆ
Orringer และเพื่อนร่วมงานของเขาได้แสดง
ให้เห็นว่าเนื้อเยื่อวิทยา Raman ที่กระตุ้นสามารถใช้ร่วมกับการวินิจฉัยโดยใช้คอมพิวเตอร์ช่วยเพื่อจำแนกเนื้องอกในสมอง อย่างไรก็ตาม พวกเขาเชื่อว่าการจับคู่ความถูกต้องของห้องปฏิบัติการทางพยาธิวิทยาในสภาพแวดล้อมทางคลินิกโดยใช้เทคนิคนี้อาจเป็นสิ่งที่ท้าทาย โดยเฉพาะอย่างยิ่งกับการขาดแคลนนักพยาธิวิทยาที่ผ่านการฝึกอบรมในปัจจุบัน แต่เนื่องจากความแม่นยำระดับคลินิกได้รับการจำแนกประเภทภาพในด้านการแพทย์อื่นๆ เช่น จักษุวิทยา รังสีวิทยา และโรคผิวหนัง โดยใช้การเรียนรู้เชิงลึก พวกเขาสงสัยว่า AI จะช่วยได้หรือไม่
นักวิจัยได้ฝึกอบรมโครงข่ายประสาทเทียมแบบ Deep Convolutional ที่อยู่เบื้องหลังเครื่องมือ AI ของพวกเขาเกี่ยวกับภาพเนื้อเยื่อวิทยารามันที่ถูกกระตุ้นจากตัวอย่างมากกว่า 2.5 ล้านตัวอย่างจากผู้ป่วย 415 ราย ได้รับการสอนให้จำแนกเนื้อเยื่อออกเป็น 13 หมวดหมู่ทางจุลกายวิภาค โดยเน้นที่เนื้องอกในสมองที่พบบ่อยที่สุด 10 ชนิด และเสนอการคาดการณ์เพื่อวินิจฉัยโรค
ในการทดลองทางคลินิกที่ศูนย์การแพทย์สามแห่งในสหรัฐอเมริกา ทีมงานได้ทดสอบระบบกับผู้ป่วย 278 รายที่ได้รับการผ่าตัดเนื้องอกในสมองหรือการผ่าตัดโรคลมบ้าหมู ผู้ป่วยเก็บชิ้นเนื้อเนื้องอกในสมองแล้วแยกออกเพื่อส่งไปวินิจฉัยผ่านกระบวนการทางห้องปฏิบัติการทางพยาธิวิทยาและการทดสอบด้วย AI
ผลลัพธ์สำหรับชุดทดลองทั้งสองชุดมีความคล้ายคลึงกันมาก ระบบ AI จำแนกเนื้องอกได้อย่างถูกต้อง 94.6% (264 จาก 278) ในขณะที่นักพยาธิวิทยาได้รับความแม่นยำในการวินิจฉัย 93.9% (261 จาก 278) แต่การถ่ายภาพด้วยฮิสโทโลยี Raman ที่ถูกกระตุ้นและการวินิจฉัย AI นั้นเร็วกว่ามาก ทำให้สามารถจำแนกประเภทของเนื้องอกในสมองในห้องผ่าตัดได้ในเวลาน้อยกว่า 150 วินาที โดยปกติห้องปฏิบัติการทางพยาธิวิทยาจะใช้เวลาประมาณ 20-30 นาที
นอกจากนี้ยังมีข้อแตกต่างที่น่าสนใจระหว่างข้อผิดพลาดที่ทำโดยนักพยาธิวิทยาและการทดสอบด้วย AI AI จำแนกเนื้องอกทั้งหมด 17 อย่างที่นักพยาธิวิทยาวินิจฉัยไม่ถูกต้อง ในขณะที่นักพยาธิวิทยาวินิจฉัยมะเร็งได้อย่างแม่นยำทั้ง 14 อย่างที่ AI วินิจฉัยผิดพลาด ผู้เขียนศึกษากล่าวว่าสิ่งนี้ชี้ให้เห็นว่านักพยาธิวิทยาสามารถใช้ระบบใหม่เพื่อช่วยจำแนกตัวอย่างที่ท้าทายได้
Credit : cateringiperque.com cdmasternow.com cheaplinksoflondonshop.com conviviosfraternos.com cookwatchus.net craniopharyngiomas.net cubmasterchris.info digitalbitterness.com dward3.com edmontonwarhammerleague.com
