使用人工触觉神经元可进行快速准确的诊断
发布日期：2022-07-26由 Hyunjung Yi 博士和 Suyoun Lee 博士领导的团队，通过将触觉神经元设备与人工神经网络学习方法相结合，开发了一种简单但高度准确的疾病诊断技术。与之前报道的人工触觉神经元装置不同，这种触觉神经元装置可以确定物体的刚度，他们的结果发表在Advanced Materials上。
神经形态技术是一个旨在模仿人脑信息处理方法的研究领域，该方法能够在使用电子电路消耗少量能量的同时实现高级功能。作为一种对人工智能、物联网和自动驾驶有用的新数据处理技术，它需要实时处理复杂而庞大的信息，因此受到关注。
感觉神经元通过感觉受体接收外部刺激、并将其转化为电尖峰信号。在这里，生成的尖峰模式根据外部刺激信息而变化。例如，较高的刺激强度会导致产生较高的尖峰频率。研究小组开发了一种结构简单的人工触觉神经元装置，它结合了压力传感器和卵形阈值开关装置来产生这种感觉神经元特性。向压力传感器施加压力导致传感器的电阻减小，并且连接的 ovonic 开关元件的尖峰频率发生变化。
开发的人工触觉神经元装置是一种高响应、高灵敏度的装置，可以让压力产生更快的电尖峰，同时提高压力灵敏度，其重点在于，更硬的材料在按下时会导致更快的压力感应。产生的电尖峰持续时间（或 1/频率）小于 0.00001 s，这比按下物体通常需要的几秒钟快 100,000 倍以上。
此外，现有设备可以检测到尖峰频率变化为 20 至 40 Hz 的低压（约 20 kPa，类似于轻压），而开发的设备可以检测尖峰频率变化为 1.2 MHz 的低压，这允许将压力的变化实时转换为尖峰。为了将开发的设备部署到实际的疾病诊断中，研究团队使用了恶性和良性乳腺肿瘤的弹性成像图像，并利用了脉冲神经网络学习方法。
与成像材料的刚度相关的彩色超声弹性成像图像的每个像素，都被转换为尖峰频率变化值，并用于训练人工智能。结果，可以以高达 95.8% 的准确率确定乳腺肿瘤的恶性程度。KIST研究小组表示，“开发的人工触觉神经元技术，能够以简单的结构和方法检测和学习机械特性。”
