显微成像技术的春天来了？

显微成像技术

前段时间在一位友人的文章中看到这样一段话，为什么在工业上我们的生产力如此发达，但是在生物学研究里，我们的生产力工具却和一百年前没有什么变化？表面上看，似乎是这样，可细细想来，却并不是如此。作为一位国内知名仪器生产厂家的工程师，毫不夸张的说，生物学的生产力工具已经发生了翻天覆地的变化。

人类记录历史的工具大致有三种：文字、图像和语言。显微成像作为其中非常重要的一个分支，几乎支撑了生物学的半壁江山，有了显微成像工具后，人们开始了解到肉眼分辨不了的世界，延伸了科学的边界。自阿兰图灵（ Alan Turing ）提出人工智能（ AI ）的概念以后，生产力的新篇章就拉开了帷幕，广泛应用于各行各业，显微成像技术也搭上了时代的顺风车。现如今，已经可以用人工智能算法进行精 准识别，解决了显微成像技术几十年来的发展瓶颈，使显微成像技术再一次成为不可或缺的科学发现神器。

当下谈到人工智能，“机器学习”、“深度学习”和“神经网络”便是经常浮现在人们脑海里的高频词汇。借助于数学中集合的概念，它们之间的关系可以理解为一种包含关系，也就是“机器学习”包含“深度学习”，“深度学习”包含“神经网络”。深度学习已经成为目前最 为热门的一种机器学习方案。深度学习这一名称中的“深度”一词表示其使用的神经网络结构多于四层。一般而言，随着神经网络层数的增加，神经网络的性能会更强，学习的效果也会更佳。

看到这样的细胞生长动图，十几年前，可能连如何拍摄都是问题。现如今，我们不仅能将它的变化准确的拍到，还能够将它的各项参数量化，比如细胞有多大面积，细胞有多少个，长短轴、周长、分支、圆度等等参数分门别类的计算出来。在这样的参数加持下，细胞对处理的反应就被准确快速的记录下来，大量获得这样的数据以后，便可以做统计学分析，得到相对可靠的结论。这便是深度学习（ deep learning ）算法带给我们的革命性变化，它使用多种算法来做到这一点，同时可以用不同的方式解释数据。多种算法相互连接以形成人工神经网络（ ANN ），可以评估庞大的数据集并寻找深层联系。

实际上，AI 分析细胞的逻辑比想象的要简单的多，机器学习的学习过程有三个要素：第 一个是输入的数据；第二个是输入数据的期望输出；第三个是衡量学习结果好坏的评价指标。通过评价指标，我们能得到当前输出与期望输出间的区别，从而优化学习效果。简单来说就是首先要人为规定目标和背景，再根据得到的识别结果进行调整，重复以上的步骤，建立学习机制，最 终拿到符合期望的结果。

因此，大家已经有所体会，识别的是什么？具体特征是怎样的？都是按照我们的需求去实现的。所以在细胞识别过程中，我们只需告诉深度学习算法，我们的目标是什么？比如视频中的划痕，一般实验中，我们的目标大概率是细胞或者细胞的某个部分，但是像这样的实验中，我们的目标就变成了细胞空白区的面积或者大小。在这样的场景中，我们一样可以获得非常准确的数据，而不必担心非细胞识别带来的麻烦。

再比如，我们只需要识别细胞的一部分，那么就可以把其他的部分作为背景，这种模式下，我们就可以只对我们感兴趣的部分做更具体的分析而不必担心其他部分带来的干扰。

互联网技术的蓬勃发展指引着大数据时代的来临，以数据推动的深度学习技术无疑是大数据时代的算法利器。相比于传统的机器学习技术，首先，深度学习技术可利用不断增多的数据不断提升其性能，而传统机器学习技术无法做到这一点；其次，有别于传统方法需要手动提取特征，深度学习技术是一项全自动的技术，它可以从海量数据中直接抽取特征。并且，对于不同的任务，不再需要设计独特的特征提取器，所有工作都可由深度学习自动完成。这是智能机器逐渐代替人工操作的一个显著体现，因此深度学习技术已成为大数据时代的一项热点技术。基于此，Molecular Devices 推出 Image Xpress HT.ai 机型，结合深度学习算法软件  IN carta  将 AI 成功引入显微成像分析技术，使得显微成像分析变得易如反掌。

最 后值得一提的是，虽然深度学习带给我们的便利十分显著，但在某些问题前面， Image Xpress  传统的分析方法已经能够给出足够简单而精确的解决方案，并不需要深度学习。这就好比一个矩形的面积明明通过长乘宽就可以得到，却非要拿微积分算一遍一样。所以，需要什么样的分析方法完全取决于要做什么样的分析。深度学习算法既是雪中送炭，又是锦上添花， 作为科研人的我们只需选择适合自己的即可。

21  世纪是生命科学的时代，这或许是百年前生物学家们不可想象的景象，身在这样的时代，我既感到幸运，又感到不幸。我们在发现自然的同时，却也在破坏它，真如达尔文在《物种起源》中所说，生命决定于或者存在于各种不同力量的不断作用和反作用之中。在自然界里，它们永远倾向于平衡状态，而当这种倾向性被任何变化稍微扰乱时，生命的力量就会增强起来。不管我们拥有什么样的工具，不管我们的工具有多么先进，敬畏科学，敬畏自然也是永恒的真理。