小鼠卵細(xì)胞切片對應(yīng)的手動分割
美國能源部勞倫斯伯克利實驗室的數(shù)學(xué)家們，開發(fā)了一種針對實驗成像數(shù)據(jù)的新的機器學(xué)習(xí)算法。與典型的機器學(xué)習(xí)算法需要成千上萬的訓(xùn)練圖像不同，這種新算法需要的訓(xùn)練圖像少得多，而且速度也提高了不少。
伯克利實驗室的能源高級數(shù)學(xué)研究與應(yīng)用中心（簡稱CAMERA）的Dani?l Pelt和James Sethian，通過開發(fā)一種他們稱之為“多尺寸密集卷積神經(jīng)網(wǎng)絡(luò)”（MS-D）的新算法，顛覆了傳統(tǒng)的機器學(xué)習(xí)理念。和傳統(tǒng)方法相比，新方法需要的參數(shù)更少，收斂更快，而且可以基于非常小的數(shù)據(jù)集進(jìn)行學(xué)習(xí)。他們提出的這種方法已經(jīng)被用于從細(xì)胞圖像中提取生物結(jié)構(gòu)，而且可以作為多個研究領(lǐng)域分析數(shù)據(jù)的主要計算工具。
當(dāng)實驗設(shè)備以更高的速度生成更高分辨率的圖像時，科學(xué)家們很難對得到的數(shù)據(jù)結(jié)果進(jìn)行管理和分析，這些工作通常需要手動完成。2014年，Sethian在伯克利實驗室建立了一個集成的交叉學(xué)科中心CAMERA，目的是開發(fā)美國能源部科學(xué)用戶設(shè)施辦公室實驗所需的基礎(chǔ)數(shù)學(xué)方法。CAMERA是該實驗室的計算研究部門的一部分。
“在許多科學(xué)應(yīng)用中，研究人員需要耗費大量的體力勞動來標(biāo)注和勾畫圖像，有時候為了得到幾張勾畫精細(xì)的圖像，甚至要花費幾周時間。我們的目標(biāo)是開發(fā)出一種能基于非常小的數(shù)據(jù)集進(jìn)行學(xué)習(xí)的技術(shù)”，Sethian說道。Sethian是加州大學(xué)伯克利分校的數(shù)學(xué)教授。
這項算法的詳細(xì)介紹發(fā)表在了2017年12月26日的美國國家科學(xué)院學(xué)報上。
“這項突破源于我們意識到，通過放大和縮小，在不同尺寸下捕捉特征的方法，可以用在單個層上處理多個尺寸的數(shù)學(xué)運算來取代，” Pelt介紹道。Pelt是荷蘭數(shù)學(xué)與計算科學(xué)研究所下屬的計算成像小組的成員。
了解生物細(xì)胞的內(nèi)部結(jié)構(gòu)是該方法非常富有前景的應(yīng)用領(lǐng)域之一。在一個項目中，Pelt和Sethian采用MS-D算法，只用了7個細(xì)胞的數(shù)據(jù)就確定了其內(nèi)部結(jié)構(gòu)。
“我們實驗室正在研究細(xì)胞結(jié)構(gòu)和形態(tài)如何影響或控制細(xì)胞的行為?！泵绹鴩襵射線斷層掃描中心主任、加州大學(xué)舊金山分校醫(yī)學(xué)院的教授卡Carolyn Larabell說道?！拔覀兓舜罅繒r間來手工分割細(xì)胞以提取結(jié)構(gòu)，分辨健康與患病細(xì)胞之間的差異。這種新方法有可能從根本上改變我們理解疾病的能力，而且是我們建立人類細(xì)胞圖譜的一個關(guān)鍵工具。人類細(xì)胞圖譜是一個通過全球協(xié)作來繪制和勾畫一個健康人體的所有細(xì)胞的項目?！?/p>
用更少的數(shù)據(jù)獲取更多的科學(xué)真理
如今，圖像無處不在。智能手機和傳感器產(chǎn)生了一批珍貴的圖像，其中很多都帶有相關(guān)的標(biāo)記信息?；谶@個龐大的交叉參考數(shù)據(jù)庫，卷積神經(jīng)網(wǎng)絡(luò)和其他機器學(xué)習(xí)算法已經(jīng)徹底改變了我們快速識別那些和我們曾經(jīng)見過和分類過的圖像類似的自然圖像的能力。
這類方法需要數(shù)以百萬計的標(biāo)記過的數(shù)據(jù)作為引導(dǎo)，通過調(diào)整一系列隱藏的內(nèi)部參數(shù)來“學(xué)習(xí)”其中的規(guī)律，這個過程需要使用巨型計算機并花費大量的時間。如果我們沒有這么多標(biāo)記好的圖像該怎么辦呢？要知道，在很多領(lǐng)域，如此龐大的數(shù)據(jù)是難以企及的奢侈品。生物學(xué)家記錄下細(xì)胞圖像，并煞費苦心地手動勾勒出邊界和結(jié)構(gòu)。對他們來說，為了得出一個完整的三維圖像而花費數(shù)周時間，是很稀松平常的事情。材料科學(xué)家利用斷層重建技術(shù)來觀察巖石和材料，擼起袖子手動標(biāo)記不同的區(qū)域，辨認(rèn)裂縫、斷口和孔洞。不同重要結(jié)構(gòu)之間的差異非常細(xì)微，數(shù)據(jù)中的噪聲很可能掩蓋掉這些特征，迷惑最出色的算法和專家。
對于傳統(tǒng)的機器學(xué)習(xí)算法來說，這些手動標(biāo)記的寶貴數(shù)據(jù)數(shù)量遠(yuǎn)遠(yuǎn)不夠。為了解決這一問題，CAMERA的數(shù)學(xué)家們基于非常有限的數(shù)據(jù)對機器學(xué)習(xí)發(fā)起了挑戰(zhàn)。他們試圖用更少的數(shù)據(jù)獲得更佳的結(jié)果，他們的目標(biāo)是找出建立一套高效的數(shù)學(xué)“運算符”的方法，以大大減少參數(shù)的數(shù)量。這些數(shù)學(xué)運算符可能會自然地結(jié)合一些關(guān)鍵約束來幫助識別，比如結(jié)合對科學(xué)合理的形狀和模式的要求。
多尺寸密集卷積神經(jīng)網(wǎng)絡(luò)
機器學(xué)習(xí)在成像問題中的許多應(yīng)用，采用的都是深度卷積神經(jīng)網(wǎng)絡(luò)(DCNNs)。其中輸入圖像和中間圖像在大量的連續(xù)層中進(jìn)行卷積，使得網(wǎng)絡(luò)能夠?qū)W習(xí)高度非線性的特征。為了在復(fù)雜的圖像處理問題中獲得準(zhǔn)確的結(jié)果，DCNNs通常依賴于額外操作和連接的組合，比如通過放大和縮小來捕捉不同的圖像尺寸下的特征。為了訓(xùn)練更深層和更強大的網(wǎng)絡(luò)，往往需要額外的層類型和連接。最后，DCNNs通常使用大量的中間圖像和訓(xùn)練參數(shù)（往往超過1億）來獲取復(fù)雜問題的結(jié)果。
而新的“多尺寸密集”網(wǎng)絡(luò)結(jié)構(gòu)避免這樣的復(fù)雜過程，它用擴張的卷積替代縮放操作，以捕捉各種空間范圍下的特征，在單個層中使用多個尺度，并將所有中間圖像緊密地連接起來。新的算法只需要很少的中間圖像和參數(shù)就能獲取精確的結(jié)果，而且不需要調(diào)整超參數(shù)以及額外的層或連接來支持訓(xùn)練。
從低分辨率數(shù)據(jù)中獲取更精確的結(jié)果
這種方法所面臨的一大不同挑戰(zhàn)就是，要從低分辨率的輸入中產(chǎn)生高分辨率的圖像。任何嘗試過把圖像放大的人都知道，當(dāng)圖像的尺寸變大時畫質(zhì)也會變得糟糕，因此這聽起來就像一個不可能完成的任務(wù)。但一小部分經(jīng)過多尺寸密集卷積神經(jīng)網(wǎng)絡(luò)處理的訓(xùn)練圖像確確實實能夠起到一些作用。比如對纖維增強的微型復(fù)合材料的層析重建進(jìn)行降噪。論文中提到了一個實驗，用1024個x射線投影重建的圖像，得到的圖像噪聲相對較低。同一物體的噪聲圖像隨后用128個投影進(jìn)行了重建。訓(xùn)練輸入是有噪聲的圖像，在訓(xùn)練中使用相應(yīng)的無噪聲圖像作為目標(biāo)輸出。經(jīng)過訓(xùn)練的網(wǎng)絡(luò)能夠有效地獲取噪聲輸入數(shù)據(jù)并重構(gòu)更高分辨率的圖像。
新的應(yīng)用方向
Pelt和Sethian正在努力將他們的研究成果應(yīng)用到一系列新的領(lǐng)域，比如快速實時分析同步加速器光源產(chǎn)生的圖像，以及生物重建問題，比如重建細(xì)胞和大腦的映射。
Pelt說道：“這些新方法令人振奮，它們讓機器學(xué)習(xí)得以應(yīng)用到比目前更加廣泛的成像問題當(dāng)中。通過減少所需訓(xùn)練圖像的數(shù)量，增加可以處理的圖像的大小，這一新的體系結(jié)構(gòu)可以用來回答許多研究領(lǐng)域中的重大問題?！?/p>
CAMERA由美國能源部科學(xué)辦公室的高級科學(xué)計算研究和基礎(chǔ)能源科學(xué)辦公室支持?？茖W(xué)辦公室是美國物理科學(xué)基礎(chǔ)研究的最大支持者，它正致力于解決我們這個時代最緊迫的一些挑戰(zhàn)。
勞倫斯伯克利國家實驗室通過推進(jìn)可持續(xù)能源，保護(hù)人類健康，創(chuàng)造新材料，揭示宇宙的起源和命運，來解決世界上最緊迫的科學(xué)挑戰(zhàn)。伯克利實驗室成立于1931年，獲得了13項諾貝爾獎。勞倫斯伯克利實驗室雖然隸屬美國能源部，卻具體由加利福尼亞大學(xué)負(fù)責(zé)運行。
