北卡罗来纳州达勒姆市-杜克大学的工程师们开发了一种显微镜，该显微镜可适应其照明角度，颜色和图案，同时自学完成完成给定诊断任务所需的最佳设置。

在最初的概念验证研究中，显微镜同时开发了一种照明模式和分​​类系统，使其比受过训练的医师和其他机器学习方法能够更准确地快速识别出被疟原虫感染的红细胞。

该结果于11月19日在线发表在Biomedical Optics Express杂志上。

杜克大学生物医学工程学助理教授Roarke Horstmeyer说：“标准显微镜用来自各个方向的相同数量的光照射样品，并且这种照明已经为人类的眼睛优化了数百年。”

Hortmeyer说：“但是计算机可以看到人类看不到的东西。”“因此，我们不仅重新设计了硬件，以提供多种照明选择，而且还允许显微镜为其自身优化照明。”

工程师们没有从下方漫射白光来均匀照亮幻灯片，而是开发了一个碗形光源，其整个表面都嵌入了LED。这样就可以从不同的角度以不同的颜色照亮多达90度的样品，这实际上会投射阴影并根据所用LED的图案突出显示样品的不同特征。

然后，研究人员将稀薄的涂片准备好的数百个疟疾感染的红细胞样本送入显微镜，其中的细胞体保持完整，理想情况下在显微镜载玻片上以单层分布。显微镜使用一种称为卷积神经网络的机器学习算法，显微镜了解到样品的哪些特征对于诊断疟疾以及如何最好地突出这些特征最为重要。

该算法最终落在来自相对较高角度的不同颜色的环形LED模式上。虽然生成的图像比常规的显微镜图像嘈杂，但它们会在亮点上突出显示疟疾寄生虫，并且大约90%的时间正确分类了。受过训练的医师和其他机器学习算法的执行精度通常约为75%。

Horstmeyer说：“它挑选出的图案是环状的，具有不同的颜色，并且不一定明显。”“即使图像比临床医生所产生的图像更暗，更嘈杂，该算法仍在说它可以与噪声共存，它只是想突出显示寄生虫以帮助诊断。”

然后，Horstmeyer将LED模式和排序算法发送给世界各地的另一个合作伙伴实验室，以查看结果是否可转换为不同的显微镜设置。另一个实验室也显示出类似的成功。

Horstmeyer说：“医师必须仔细检查一千个细胞，才能找到一个疟疾寄生虫。”“而且，由于它们必须如此近距离地放大，因此它们一次只能看十几个，因此读幻灯片大约需要10分钟。如果他们只需要看一下我们显微镜已经挑选的少数细胞，只需几秒钟即可完成，这将大大加快这一过程。”

研究人员还表明，该显微镜在浓血涂片制剂中效果很好，其中红细胞形成了高度不均匀的背景，并且可能被分解。对于此准备，机器学习算法在99%的时间内都是成功的。

根据Horstmeyer的说法，由于测试的较厚涂片比较薄的涂片污渍更严重且显示出更高的对比度，因此有望提高准确性。但是他们也需要花费更长的时间准备，该项目的部分动机是在资源匮乏的环境中缩短诊断时间，在这种情况下，受过训练的医师稀少，瓶颈成为常态。

有了这一初步的成功，Horstmeyer将继续开发显微镜和机器学习算法。

一群杜克大学的工程学研究生已经组建了一家初创公司SafineAI，以使可重新配置的LED显微镜概念小型化，该概念已经在当地的一项沥青比赛中赢得了12万美元的奖金。

同时，Horstmeyer正在使用一种不同的机器学习算法来创建显微镜的一种版本，该显微镜可以将其LED模式调整为它尝试读取的任何特定幻灯片。

Horstmeyer说：“我们基本上是在尝试使大脑参与图像采集过程。”“我们希望显微镜能够利用其所有的自由度。因此，它不仅可以傻傻地拍摄图像，还可以像聚焦人类一样，在焦点和照明条件下玩转，以更好地了解幻灯片上的内容。 ”