Coupling a Recurrent Neural Network to SPAD TCSPC Systems for Real-time Fluorescence Lifetime Imaging
本論文は、ヒストグラムを作成することなく生のタイムスタンプから直接寿命を推定するために、SPAD TCSPCセンサとリカレントニューラルネットワーク（具体的にはGRUおよびLSTMのバリアント）を結合した、リアルタイム蛍光寿命イメージング（FLI）システムを提案するものであり、FPGA実装プラットフォーム上で、ビデオレートの取得、高い精度、優れたノイズ耐性、および準最適な精度を実現している。
原論文は CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) でライセンスされています。 これは査読を受けていないプレプリントのAI生成解説です。医学的助言ではありません。この内容に基づいて健康上の判断をしないでください。 免責事項の全文を読む
騒がしい部屋の中で、たった一つの、かすかな囁き声を聞こうとしている自分を想像してみてください。もし、他の全員が話している言葉をすべて書き留めようとしたら、その囁き声を聞き逃してしまうでしょうし、あなたのノートは持ち運びられないほど重くなってしまうでしょう。これは、蛍光寿命イメージング（FLI）と呼ばれる技術を用いて、生きている細胞の内部を「見る」際に科学者が直面する課題です。この世界では、小さな光る分子（蛍光分子）がレーザーによって励起され、その後、光子を放出することで「緩和」します。それらが緩和するまでの時間、すなわちその「寿命」は、周囲の環境がどれほど酸性的か、あるいは粘性があるかといった秘密を教えてくれます。これは、がんのような病気を早期に発見したり、外科医が腫瘍の終わりと健康な組織の境界を正確に見極めたりするのに極めて重要です。
従来、これを測定するために、科学者は時間相関単一光子計数法（TCSPC）という手法を用いてきました。これは、光子が到着するたびに写真を撮る非常に高速なカメラのようなものです。寿命を算出するために、コンピュータは通常、何千もの「スナップショット」（タイムスタンプ）が集まるのを待ち、それらを巨大なヒストグラム（光子がいつ到着したかを示す棒グラフ）に分類しなければなりません。それは、合唱団が歌を歌い終えるのを待ってから、ようやくその曲のテンポを把握しようとするようなものです。このプロセスは時間がかかり、移動させるのが困難な膨大なデータを生み出し、強力でかさばるコンピュータを必要とします。研究室には最適ですが、リアルタイムで動作する必要がある診療所や携帯型デバイスには、あまりにも扱いにくいものです。
この論文は、合唱の歌をすべて書き留める前に、その囁き声を聞き取るための巧妙な新しい方法を紹介しています。スイスのEPFLにある高度量子アーキテクチャ研究所の研究者たちは、特殊な光センサー（SPADアレイ）を、リカレントニューラルネットワーク（RNN）と呼ばれる人工知能の一種に直接結合させる手法を提案しています。ヒストグラムを構築するために待つ代わりに、このシステムは、届いたままのすべての光子の到着時間を、発生した瞬間にそのままAIへと送り込みます。AIは、生の音のストリームから即座に曲のテンポ（蛍光寿命）を推測する、超高速で直感的なリスナーとして機能します。
チームはこのアイデアをテストするため、正解が分かっている何百万ものシミュレーションされた「囁き声」（合成データ）を用いてAIの学習を行いました。彼らは、GRU（Gated Recurrent Unit）とLSTM（Long Short-Term Memory）という2つの主要な形態を持つ自らのAIを、最小二乗法や重心法といった従来の手法と比較しました。結果は目覚ましいものでした。AIは、静かな部屋では従来の手法と同等の精度を示しましたが、背景ノイズ（騒がしい部屋をシミュレートしたもの）を加えると、従来の手法が混乱して大きな間違いを犯す一方で、AIは冷静かつ正確なままでした。実際、AIの精度は、物理学が許容する理論的限界（クラメール・ラオの下限）に限りなく近いほど完璧でした。
これが単なるコンピュータ上のトリックではないことを証明するために、研究者たちは、自分たちのラボで開発したPiccoloと呼ばれる32x32の小型センサーチップを用いた、本物の顕微鏡を製作しました。彼らは、センサーのすぐ隣にある専用のコンピュータチップ（FPGA）にAIを搭載しました。このセットアップにより、毎秒最大400万個の光子を処理することが可能になりました。蛍光ビーズが動いている様子を撮影した際、システムは単に写真を撮るだけでなく、光の寿命をリアルタイムで計算し、秒間10フレームのビデオを生成しました。この論文は、このアプローチが医療イメージングに革命をもたらし、巨大なスーパーコンピュータによる重労働を必要とすることなく、手術中の腫瘍の境界を見極めるような用途に向けて、迅速で、携帯可能で、かつ堅牢なものにできることを示唆しています。
自分の分野の論文に埋もれていませんか？
研究キーワードに一致する最新の論文のダイジェストを毎日受け取りましょう——技術要約付き、あなたの言語で。