深度学习技术助攻！新工具可从显微影像中辨识各种细菌

人工智能技术正推动医学领域持续进步，最近华盛顿大学团队就展示了最新开发的深度学习软件 Omnipose，在先进技术协助下，Omnipose 不仅达成原本协助辨识显微镜影像中各种微小细菌的目标，更进一步能在影像中辨识出细菌以外的微小生物，未来将有望成为多领域显微影像解读上的一大助力。

Omnipose 可识别细菌更精细的物理特征

Omnipose 是华盛顿大学物理学研究生 Kevin J. Cutler 与其团队所共同开发，透过使用大型细菌影像数据库训练，Omnipose 除了消除其前身 Cellpose 的一些错误，在表征和量化培养皿中的混合微生物方面更是青出于蓝。

不同细菌在形状及光学特性上都存在差异，而 Omnipose 在辨识这些微小差异上表现出色，同时还可以识别像是分支、细丝和附属物等更精细的物理特征，即使细菌因抗生素治疗或化学物质的拮抗作用（antagonism）形状出现极端变化，Omnipose 也不会轻易被欺骗，在进一步的实验中，Omnipose 甚至能辨别出因细胞毒性形状略微改变的大肠杆菌（E. coli）。

为了探索 Omnipose 的实用范畴，研究团队还利用在遗传、神经科学中常见的秀丽隐杆线虫（C. elegans）显微影像进行了测试，尽管秀丽隐杆线虫具有与细菌类似的细长形状，还会因伸展、扭曲等运动形状产生改变，Omnipose 还是能从影像中成功辨识出来，研究人员认为，这正展现出 Omnipose 在更多需要显微影像辨识的相关研究领域中的应用潜力。