機器學習技術(shù)是一個重要的和廣泛的計算領(lǐng)域，其中算法基于其處理的數(shù)據(jù)進行預測而沒有被明確地編程。因此，將機器學習與3D打印相結(jié)合的前景，正如UCLA的研究人員在一個新項目中可以看出的，這絕對是一個令人興奮的領(lǐng)域。使用具有可以通過機器學習技術(shù)修改的傳感器的3D打印原型檢測器，研究人員已經(jīng)展示了一種新的、更有效的方式來檢測微小物品，例如癌癥生物標志物、病毒和蛋白質(zhì)。這可以改善嚴重感染和疾病的治療和診斷方式。
等離子體感測已經(jīng)在醫(yī)學研究中使用多年，以便收集關(guān)于亞微觀級別的物質(zhì)組成的信息。該方法將光照射到金屬納米結(jié)構(gòu)上，放大局部電場?？梢詼y量該領(lǐng)域與研究者感興趣的特定分子之間的相互作用，并且這允許他們研究關(guān)于分子濃度和動力學的有價值的事物。
然而，由于所涉及的儀器的成本和龐大性，在實驗室環(huán)境外使用等離子體感測已經(jīng)受到限制。UCLA團隊由加州納米系統(tǒng)研究所電氣工程和生物工程教授兼副主任Aydogan Ozcan領(lǐng)導，他們現(xiàn)在開發(fā)了一種移動的、便宜的等離子體激元讀取器的原型，它比傳統(tǒng)的傳感器設(shè)計更精確。
據(jù)悉，該原型利用機器學習技術(shù)來確定在等離子體感測過程中應(yīng)當使用什么類型的光源，因為該技術(shù)允許特定算法適應(yīng)于其呈現(xiàn)的數(shù)據(jù)，并且“訓練”自身以做出決定。它在其他領(lǐng)域有廣泛的應(yīng)用，其中一個更值得注意的是光學字符識別。Google的地圖軟件可以準確地讀取房屋和街道上的數(shù)字和字母，但對于這個任務(wù)來說，預編程的算法將是不可行的。
在等離子體感應(yīng)原型的情況下，存在可以用于傳感器的成千上萬種不同類型的LED，因此機器學習技術(shù)允許更有效和準確地確定用于特定情況的四個最合適的LED。并且可以根據(jù)應(yīng)當捕獲的生物目標修改傳感器。
閱讀器包括這四個不同顏色的LED，一個相機和3D打印塑料外殼。為了使用該裝置，需要將樣品施加到傳感器，隨后將其裝配到放置在讀取器內(nèi)部的盒中以進行自動測量和分析。3D打印技術(shù)可以制造成本低廉的原型，但仍然耐用，并且可以適當修改設(shè)計以適應(yīng)不同的情況。
Ozcan和他的團隊希望他們的工作可以作為一個設(shè)計工具為其他研究人員和科學家在現(xiàn)場改進自己的等離子體讀取器設(shè)備。他們報告說，這種不可缺少的醫(yī)療設(shè)備甚至可以被設(shè)計為智能手機附件。這將進一步降低生產(chǎn)成本，以及利用云連接和電話的計算能力。
再次，我們可以看到3D打印的便利性，使得設(shè)計比傳統(tǒng)解決方案便宜得多，而且效率更高，且更具適應(yīng)性。這種無限的適應(yīng)性是機器學習也分享的東西。我們希望在未來的項目中可以看到更多的跨學科組合的這些突破，特別是那些不僅是創(chuàng)新，而且有潛力挽救生命的項目。
轉(zhuǎn)載請注明出處。
相關(guān)文章
熱門資訊
精彩導讀
關(guān)注我們
