很多文章的报道都是由微观而宏观，今日小编讲给大家带来的关于人工智能工具极大地扩大了阿尔茨海默氏症的研究范围的资讯也不例外，希翼可以在一定的程度上开阔你们的视野！y有对人工智能工具极大地扩大了阿尔茨海默氏症的研究范围这篇文章感兴趣的小伙伴可以一起来看看

加州大学戴维斯分校和加州大学旧金山分校的研究人员找到了一种方法，可以教计算机精确地检测人脑组织中阿尔茨海默氏病的标志之一，从而为区分该疾病关键标志物的机器学习方法提供了概念验证。

淀粉样蛋白斑块是阿尔茨海默氏病患者大脑中的一系列蛋白质片段，会破坏神经细胞的连接。就像Facebook根据捕获的图像识别面部的方式一样，由加利福尼亚大学科学家团队开辟的机器学习工具可以“查看”脑组织样本中是否具有一种或多种淀粉样斑块，并且可以很快地完成。

研究结果于5月15日发表在《自然通讯》上，表明机器学习可以增强专家神经病理学家的专业知识和分析能力。该工具使他们能够分析成千上万次的数据，并提出新的问题，即使是训练有素的人类专家也无法使用有限的数据处理能力。

“我们仍然需要病理学家，”加州大学戴维斯分校加州大学戴维斯分校病理学和实验室医学系助理教授，该研究的主要作者布列塔尼·N·杜格博士说。“这是一种工具，就像键盘是用于编写的。由于键盘有助于编写工作流程，因此将数字病理学与机器学习相结合可以帮助神经病理学工作流程。”

在这项研究中，她与UCSF神经退行性疾病研究所和药物化学系的助理教授Michael J. Keiser博士合作，确定他们是否可以教一台计算机以自动执行费力的识别和分析微小淀粉样蛋白斑块的过程。各种类型的人体解剖组织切片。为此，Keizer和他的团队设计了一个“卷积神经网络”(CNN)，这是一种计算机程序，旨在根据数千个带有人类标签的示例来识别模式。

为了创建足够的训练示例来教授CNN算法，杜格如何分析大脑组织，UCSF团队与她一起设计了一种方法，该方法可以使她从50万张近距离拍摄的近距离图像中快速注释或标记成千上万张图像。 43个健康和患病大脑样本的组织。