通过简单血液检测，或能提前5年诊查出乳腺癌！|技术前沿洞察

热点追踪 / 深度探讨 / 实地探访 / 商务合作

 大家好，一周技术前沿洞察又和大家见面啦，本周有很多技术突破都让人眼前一亮，比如科学家们发现新血检技术或能提前5年查出乳腺癌，新的支架技术可以替代活检程序，还有能让动物换脸、能缓解交通拥堵AI，Google、英伟达等大公司们也有许多新研究和新应用，赶紧跟硅谷洞察来看看吧！

海外高校

 

• 通过简单血液检测，或能提前5年诊查出乳腺癌！

美国时间11月3日，在2019NCRI（美国国家癌症研究所）会议上，来自英国诺丁汉大学的研究人员称发现了一种新的血检方法，或能提前5年测出乳腺癌。

 

此方法的原理是通过识别血液中的由癌细胞刺激生成的自身抗体，来检测是否患癌。他们从被诊断出患有乳腺癌的90名乳腺癌患者中采集了血液样本，并与90例无乳腺癌患者（对照组）的样本进行匹配。

 

之后使用筛查技术（蛋白质微阵列），快速筛查血样中是否存在针对与乳腺癌相关的40种TAA的自身抗体，以及针对与该疾病无关的27种TAA的自身抗体。研究结果表明，乳腺癌的确能诱导针对特定肿瘤相关抗原的自身抗体，目前通过鉴定血液中的这些自身抗体，能够以合理的准确度检测出癌症。

 

目前，研究人员正在对9个TAA进行测试，准备通过更多的样本试验来提高测试的准确性， 如若可行， 该方法可以取代乳房X光检查，预计会在四至五年内将这项血检方法推广。

 感兴趣的可以点击原文阅读：

https://www.telegraph.co.uk/news/2019/11/03/simple-blood-test-could-spot-breast-cancer-five-years-symptom/

• 法国奥尔良大学：用AI精准除杂草，减少农业损失

 

农民最讨厌什么？杂草。因为它总是与邻近的作物争夺光、水和养分。每年，杂草会使农业损失数十亿美元的产量，想更好地提高农作物产量并减少农药使用？AI在这个时候发挥作用了。

 

法国国家应用科学研究院与法国奥尔良大学合作开发的AI技术， 可以帮助农民从甜菜、大豆和菠菜作物的无人机图像中检测杂草。

 

你可能会说，杂草不也是绿色的吗？没错。从几百英尺低空使用低分辨率的图像，是很难分辨出杂草和农作物之间的区别——因为杂草都是绿叶。但是，一旦有了足够的图像分辨率和足够的训练数据，神经网络就可以学会区分两者。

 

该团队使用每种作物成千上万张图像数据集（有些已标记，有些未标记），基于流行的ImageNet模型来开发其深度学习模型。

 

据法国国家应用科学研究院副教授 Hafiane 表示，当前AI的分析精度达到93％，是分析甜菜作物的最佳结果。“如果农民可以绘制杂草的位置图，那么就不需要在整个田间喷洒化学产品，只需针对特定区域，在适当的时间和地点进行干预了。”

 

感兴趣的可以点击原文阅读：

https://blogs.nvidia.com/blog/2019/11/01/ai-helps-farmers-whack-weeds/

 

美国高校

 

• MIT开发新系统避免自动驾驶的街角事故

为了提高自动驾驶系统的安全性，麻省理工学院的工程师开发了一种系统ShadowCam，该系统可以感知地面阴影的微小变化，从而确定拐角处是否有移动物体。

 

未来， 自动驾驶汽车可以使用该系统来避免与另一辆汽车或行人从建筑物拐角处出现的潜在碰撞。 将来，在医院里运送药物等物品的机器人也可以使用该系统来避免撞到别人。

 

ShadowCam使用来自摄像机的视频帧序列，这些摄像机针对特定区域可以检测不同图像之间光强度随时间的变化，这可能表明某些物体在移开或靠近。这些变化很难用肉眼看见，但可以由对象和环境的各种属性确定。

ShadowCam计算该信息，并将每个图像分类为静止或正在运动的物体对象。如果它分类为正在运动，系统会做出相应的反应。

 

接下来，研究人员正在进一步开发该系统，以在不同的室内和室外照明条件下工作。将来，可能还会有一些方法可以加快系统的阴影检测速度，并自动为阴影变化标注目标区域。

感兴趣的可以点击原文阅读：

 http://news.mit.edu/2019/helping-autonomous-vehicles-see-around-corners-1028

 

• 借助AI技术，机器成为阅读脑部扫描的专家

 

近日，加利福尼亚大学旧金山分校（UCSF）和加州大学伯克利分校的科学家开发了一种新的计算机算法，在头部扫描中发现微小脑出血的诊断案例中胜过了资深脑部科学家。

 

在当前的脑部诊断中，放射科医生通常每天查看成千上万张脑部图像，以寻找可能危及生命的紧急情况的微小异常现象，但此过程既耗费时间也有可能出错。

 

而新研发的算法仅用一秒钟即可确定整个头部扫描是否包含任何出血迹象， 它还可以追踪大脑三维结构中异常的轮廓，从而极大的减少了医生花在审查其结果上的时间。有些斑点的大小可能在100像素左右，甚至放射线专家有时也会错过它们，可能会造成严重的后果。

 

鉴于每天都有大量遭受外伤性脑损伤并被送往急诊室的人，这项技术有非常重要的临床意义，将有望帮助医生诊断和治疗脑外伤患者、中风和动脉瘤。

 

感兴趣的可以点击原文阅读：

https://news.berkeley.edu/story_jump/with-ai-machines-become-expert-at-finding-hemorrhages-on-brain-scans/

 

• 科学家研发出植入式癌症“诱饵” ，有望取代活检进行肿瘤检测

 

癌症致命的主要因素之一是其扩散到全身的能力，因此对于医生而言，在癌症扩散之前对其进行检测非常重要。密歇根大学的研究人员最近在小鼠上试验证明， 只需在皮肤下植入微小的“诱饵”，就可以代替对受癌症污染的器官进行活组织检查的侵入性程序。

 

活组织检查涉及取出和分析少量组织样本，通常是诊断癌症或追踪其病情进展的令人不愉快但必要的程序。该团队创造了可促进组织生长的合成生物材料支架来解决这个问题。

 

支架通过将免疫细胞吸引到该部位而发挥作用，癌细胞（如果存在于体内）也将在那里支架附近聚集。然后，医生可以对在支架上的新生长物进行活检，以诊断癌症或检查现有的治疗计划是否有效。

 

该技术可用于多种不同类型的癌症，例如胰腺癌等。研究人员还表示， 未来还可以给支架配备传感器和蓝牙技术，这些技术可以实时传递和检测患者信息而无需进行活检。

 

 感兴趣的可以点击原文阅读：

https://news.umich.edu/implantable-cancer-traps-could-provide-earlier-diagnosis-help-monitor-treatment/

 

大公司

 

• Ericsson 与NVIDIA合作开发构建虚拟化5G无线电接入网络

爱立信(Ericsson)与NVIDIA携手开发技术，使通信服务提供商能够构建虚拟化的5G无线电接入网络（RAN），这将加速引入新的基于AI和IoT的服务。

 

为了向客户提供最佳的用户体验，由于对虚拟化的需求不断增长，通信服务提供商正试图找到可选的技术解决方案和RAN架构。而在节约成本，能源高效的基础上构建完整的虚拟化RAN解决方案，这是业界面临的主要挑战。

该研究的 最终目标是让虚拟化的RAN技术商业化，从而为无线网络提供灵活性和能力，使其能够在较短时间内进入市场， 以提供AR、VR和游戏等新服务。

 

NVIDIA创始人兼首席执行官黄仁勋（Jensen Huang）说：“ 将5G、超级计算和AI融合在一起，将使我们能够创建一个革命性的通信平台，有朝一日能支持数十万亿个支持AI的智能设备持续在线，而NVIDIA和爱立信正在帮助发明这个激动人心的未来。”

 感兴趣的可以点击原文阅读：

https://www.telecomstechnews.com/news/2019/oct/28/ericsson-and-nvidia-collaborate-offer-virtualised-5g-ran/

 

• Google Brain正在训练机器预测分子气味，AI也将有嗅觉？

近日，Google Brain的研究人员发布了一篇论文，展示了他们如何训练一套机器学习算法来根据分子的结构预测分子的气味。

 

从分子的化学结构中找出分子的气味非常困难。因为只要改变或去除一个原子或键，就可以从玫瑰变成烂鸡蛋的味道。 因此，他们使用了一种称为图神经网络（GNN）的图形，这种模型可以很好地理解各种图形结构，因此，GNN可以处理每个分子的结构，并且理解它们。

 

研究员使用了近5000个分子，让香水专家仔细地将每个分子与“木质”，“茉莉”或“甜”等描述进行匹配，然后使用了大约三分之二的数据集进行训练网络，然后测试是否可以预测剩余分子的气味有效。

研究人员相信，就像让人工智能模拟视觉、听觉等其他感知能力一样， 随着机器学习在分子识别领域应用水平的提高，机器智能将可以进行气味识别，进而拥有嗅觉。

 感兴趣的可以点击原文阅读：

https://www.wired.com/story/now-machines-learning-smell/

 

• 等红灯烦？十字路口正变得越来越“聪明”

 

以色列的科技公司NoTraffic正在使用AI，将十字路口从危险区域转变为聪明的“决策者”，以减少时间延迟。

 

该公司是NVIDIA Inception初创企业孵化器的成员，目前已在美国多个城市开展试点项目。按照NoTraffic预计，这套系统能减少约2700小时的延误。

 

是怎么做到的呢？

 

首先，在交叉路口每个方向安装AI传感器单元（AI sensor units）。该单元集成了基于专用短程通信（DSRC）和蜂窝车辆对所有设备（CV2X）的互联车辆功能。DSRC是车辆与基础设施之间的无线通信通道系统。CV2X技术则提供了车辆、基础设施和任何相关实体之间的通信。

 

然后，NoTraffic对所有道路使用者（包括汽车、公共汽车、卡车、自行车和行人）进行检测和分类，当NoTraffic将每个交叉路口的数据安全地发送到云中，处理后的数据流再传输回安装在交通信号控制柜中。

 

事实上，美国一家高校CMU的研发团队也在开发类似产品——Surtrac，它允许信号灯之间“彼此对话”。 每个信号通过感知接近的交通流并生成时序计划，来优化交叉路口的车流，从而做出自己的时序决定。 然后，信号灯会与相邻信号共享并创建协调的动作。

 

CMU的系统利用人工智能根据交通状况协调交通信号灯，从而改善了交通流量并将平均旅行时间减少了25％。

 

感兴趣的可以点击原文阅读：

https://blogs.nvidia.com/blog/2019/10/31/notraffic-ai-startup-intersections/

https://www.cmu.edu/news/stories/archives/2019/october/traffic-moves-at-speed-of-technology.html 

 

• Nvidia：让你笑着的猫咪照片换成一只哭着的老虎的表情，怎么样？

 

最近，英伟达研究人员重新定义了新的AI技术——该技术使计算机具有足够的智能，可以让一张动物的图片，表情发生变化，并摆在其他任何动物的脸上。

 

这项工作部分由生成对抗网络（GAN）推动，GAN是一种新兴的AI技术，可以使一个神经网络与另一个神经网络相互竞争。

 

现在，你可以用GANimal App进行自行尝试。比如，上传一张你家狗狗或猫咪的图像，然后查看其表情和姿势，再 从非洲猎犬、埃及猫到西施犬，雪豹或树懒熊等数十个动物品种当中选择一种你想要的表情，然后就可以让你家狗狗“换脸”，出现这些动物脸上已有的表情了！

 

你说有一天，电影制片人可能会不会录下狗的特技表演，并使用AI将动作映射到较不易处理的老虎上呢？

 

感兴趣的可以点击原文阅读：

https://blogs.nvidia.com/blog/2019/10/27/ai-gans-pets-ganimals/

 

怎么样，今天的哪个技术技术让你最为印象深刻呢？欢迎大家留言讨论！ 

更多硅谷热闻欢迎点击查看：

推荐阅读