使用人工觸覺神經元可進行快速準確的診斷

由 Hyunjung Yi 博士和 Suyoun Lee 博士領導的團隊，通過將觸覺神經元設備與人工神經網絡學習方法相結合，開發了一種簡單但高度準確的疾病診斷技術。與之前報道的人工觸覺神經元裝置不同，這種觸覺神經元裝置可以確定物體的剛度，他們的結果發表在Advanced Materials上。

神經形態技術是一個旨在模仿人腦信息處理方法的研究領域，該方法能夠在使用電子電路消耗少量能量的同時實現高級功能。作為一種對人工智能、物聯網和自動駕駛有用的新數據處理技術，它需要實時處理復雜而龐大的信息，因此受到關注。

感覺神經元通過感覺受體接收外部刺激、并將其轉化為電尖峰信號。在這里，生成的尖峰模式根據外部刺激信息而變化。例如，較高的刺激強度會導致產生較高的尖峰頻率。研究小組開發了一種結構簡單的人工觸覺神經元裝置，它結合了壓力傳感器和卵形閾值開關裝置來產生這種感覺神經元特性。向壓力傳感器施加壓力導致傳感器的電阻減小，并且連接的 ovonic 開關元件的尖峰頻率發生變化。

開發的人工觸覺神經元裝置是一種高響應、高靈敏度的裝置，可以讓壓力產生更快的電尖峰，同時提高壓力靈敏度，其重點在于，更硬的材料在按下時會導致更快的壓力感應。產生的電尖峰持續時間（或 1/頻率）小于 0.00001 s，這比按下物體通常需要的幾秒鐘快 100,000 倍以上。

此外，現有設備可以檢測到尖峰頻率變化為 20 至 40 Hz 的低壓（約 20 kPa，類似于輕壓），而開發的設備可以檢測尖峰頻率變化為 1.2 MHz 的低壓，這允許將壓力的變化實時轉換為尖峰。為了將開發的設備部署到實際的疾病診斷中，研究團隊使用了惡性和良性乳腺腫瘤的彈性成像圖像，并利用了脈沖神經網絡學習方法。

與成像材料的剛度相關的彩色超聲彈性成像圖像的每個像素，都被轉換為尖峰頻率變化值，并用于訓練人工智能。結果，可以以高達 95.8% 的準確率確定乳腺腫瘤的惡性程度。KIST研究小組表示，“開發的人工觸覺神經元技術，能夠以簡單的結構和方法檢測和學習機械特性。”