腦機接口技術使癱瘓病人重獲運動能力，4D打印技術已經到來！_風聞

滴！友情提醒：您的假期餘額已經不足一天。

今天小探也按時為你帶來技術前沿洞察，最近高校、大公司的最近技術真是眼花繚亂，阿司匹林減輕能夠減輕空氣污染傷害，4D打印系統已經到來，腦機接口技術幫助癱瘓病人站起來了！還有更多振奮人心的新技術，趕緊跟硅谷洞察來看！

美國高校

哈佛、哥大研究團隊發現服用阿司匹林可以減輕空氣污染傷害

一項新研究表明非甾體抗炎藥（NSAID, 如阿司匹林）可以減輕空氣污染暴露對肺功能的不利影響。

研究人員分析了從波士頓地區的2,280名男性退伍軍人中收集的數據。參加者的平均年齡為73歲。研究人員檢查了測試結果，自我報告的NSAID使用情況，測試前一個月的環境顆粒物（PM）和碳煙之間的關係，同時考慮了多種因素，包括受試者的健康狀況以及是否吸煙。

由於研究人羣中服用NSAID的大多數人都使用阿司匹林，因此研究人員説，他們觀察到的修飾作用主要來自阿司匹林，但補充説非阿司匹林NSAID的作用值得進一步探討。雖然機理尚不清楚，但研究人員推測，非甾體抗炎藥可減輕空氣污染引起的炎症。

“將我們暴露於空氣污染的風險降至最低仍然很重要，因為空氣污染與從癌症到心血管疾病等一系列不良健康影響有關。” 研究人員説。

感興趣可以閲讀： 

https://www.sciencedaily.com/releases/2019/10/191002165233.htm

MIT開發新系統在干擾環境中定位，補位GPS

傳統的定位技術利用GPS衞星或設備之間共享的無線信號來確定它們之間的相對距離和位置。但是在建築物的內部、地下隧道、反射表面，障礙物或其他有干擾信號的地方，準確性會受到很大影響。

 麻省理工學院，費拉拉大學，巴斯克應用數學中心（BCAM）和南加州大學的研究人員開發了一種系統，即使在這些干擾環境裏也可以捕獲位置信息。

當網絡中的稱為“節點”的設備在信號不通的環境中進行無線通信時，系統會融合節點之間交換的殘缺的無線信號中的各種類型的位置信息以及數字地圖和慣性信號數據。這樣做時，每個節點都會考慮與所有其他節點的位置相關的所有信息（稱為“軟信息”）。

**該系統利用機器學習技術和減少已處理數據維度的技術來根據測量值和背景數據確定可能的位置。**然後使用這些信息來精確定位節點的位置。在惡劣環境的模擬中，該系統的運行明顯優於傳統方法。

感興趣可以閲讀： 

http://news.mit.edu/2019/iot-smart-device-position-1003               

無線疼痛控制器有望取代易成癮阿片類藥物

萊斯大學和得克薩斯醫學中心的神經工程學者正合作開發一種可植入人體的無線神經刺激器，這種神經刺激器有望代替阿片類藥物用於緩解病患疼痛。

神經性疼痛約佔慢性疼痛患者的40％，常常導致病患焦慮，抑鬱和對阿片類藥物成癮。作為阿片類藥物的可替代品，新發明的可植入神經刺激器體積將足夠小，可以被放置在支架上並在鄰近中樞神經系統和周圍神經系統特定區域的血管內輸送。

研究表明，當醫生測試脊髓和背根神經節（一束將感覺信息傳遞到脊髓的神經束）時，電刺激能夠有效的減輕病患疼痛。**這項技術將有助於減少與神經刺激療法相關的風險，例如降低手術和感染的可能性。**較小的設備還利於更精確的放置和更可預測的結果。

研究人員表示，研發才剛剛開始，需要進行臨牀前和試驗來測試該裝置的安全性和有效性。“我們的目標是為患有神經性疼痛且對藥物治療有抵抗力的患者提供一種非阿片類藥物替代品。”

感興趣可以閲讀：

http://news.rice.edu/2019/10/04/wireless-pain-management-could-be-alternative-to-opioids/

卡內基梅隆大學、哈佛大學同時研發4D打印系統

4D打印是什麼？4D打印是指利用“可編程物質”和3D打印技術，製造出在預定的刺激下（如放入水中，或者加熱、加壓、通電、光照等）可自我變換物理屬性的三維物體。

​

最近，卡內基梅隆大學研發了一套叫做"A-line," 的4D打印系統。當需要被打印的物體可以穿過狹窄的開口，並隨後變換形狀時，該系統打印的材料就具有特殊的性能。例如，穿過狹窄瓶頸插入的杆可能會變成鈎子，以將物體從瓶中撈出。或者將細長的細緊固件插入椅子座位的孔中，可能會將椅子腿鎖定到位。

 圖：用A線系統生產的“線”形塑料結構在受熱觸發時會彎曲，摺疊和扭曲成預定的形狀

到目前為止，4D打印面臨的最大挑戰之一就是創建複雜的，平滑彎曲的形狀的能力。這很難用簡單的材料結構處理，而是需要使用多種材料的異構設計。因此哈佛的研究人員使用彎曲肋條,通過多方向的選擇與重複，可以多層構建複雜的晶格。

在此過程中，肋條是使用四種不同的彈性體墨水組合沉積的-每種墨水對刺激的反應都不同。為了實現可預測的轉換，在設計階段預先確定了用於創建每個單獨的肋的確切位置，方向和材料等等。

 感興趣可以閲讀：

https://www.cs.cmu.edu/news/one-dimensional-objects-morph-new-dimensions

斯坦福大學深層組織成像技術，照亮人體內深處的腫瘤

斯坦福大學的化學家近日開發了一種新的深層組織成像技術，通過該技術，醫生可以“看到”人體的皮膚下方，以無與倫比的清晰度探測到埋藏的腫瘤。

在9月30日出版的《自然生物技術》雜誌上的一項新研究中，研究人員分享瞭如何使用這項技術來預測癌症患者對免疫療法的反應，並跟蹤其在治療後的進展。

研究負責人為斯坦福大學人文與科學學院的化學教授Hongjie Dai，其把這種技術稱為無創生物組織探測法。

該技術依賴於含有鉺元素的納米顆粒，這種元素屬於一類所謂的稀土礦物，在紅外線照射下會發出獨特的光線。

**研究人員用化學塗層覆蓋納米顆粒，這有助於納米顆粒溶解在人的血液中，並使其毒性更小並且能更快地排出體外。**另外，該塗層為分子提供了錨定點，這些分子可以定位並附着在細胞上的特定蛋白質上。

感興趣可以閲讀：

https://news.stanford.edu/2019/10/03/infrared-vision-immunotherapy/

海外高校

癱瘓病人使用腦接機器再次“站立行走”

BBC報道，30歲的法國癱瘓男子Thibault穿戴可以由他本人大腦控制的機器外衣，成功恢復了對癱瘓四肢的控制。

研究人員對Thibault進行了手術，將兩個感應片放置在他的大腦表面，覆蓋控制運動的大腦部分。感應片讀取大腦的指令信號，將指令發送到連接的計算機，該計算機隨後將信號轉換為機器外衣的運動信號。

實驗室公佈了一段視頻，視頻中Thibault穿着笨重的重達143磅的機器外衣，該機器被稱為“體外骨架”。他走過房間，雙臂向各個方向移動。

2017年起，他參與了Clinatec實驗室和格勒諾布爾大學一起研發的“體外骨架”項目。最初他在遊戲中練習使用大腦讀取片控制虛擬角色，逐漸進展到穿戴機器人外衣行走。

該實驗室希望獲得更詳細的大腦植入物讀數圖，及功能更強大的計算機來改善機器的響應能力。但目前的實驗結果已經使研究人員深受鼓舞。

目前Thibault能控制的動作遠未完美，且機器人服目前僅能在實驗室中使用。但研究人員説，這種方法總有一天可以大大改善患者的生活質量。

 感興趣可以閲讀：

https://www.bbc.com/news/health-49907356

大公司

手機程序從個人照片中監測眼部疾病，AI發現某些早期眼疾勝過醫生

智能手機應用程序White Eye Detector可以通過分析照片比醫生早一年發現兒童眼部疾病。該APP使用機器學習，在照片中測評瞳孔在照片中反射白光的跡象。兒童白瞳症在照片中看起來與閃光導致的紅眼相似，但是“紅眼”實際上是眼睛健康的標誌，而白色反射有可能是問題的徵兆。

“白眼”有可能表明兒童患有視網膜癌母細胞瘤，或其他罕見眼疾，包括早產兒視網膜病變，白內障等。儘早發現這些疾病可以保留病眼，甚至挽救生命。

為了測試該系統，研發團隊對40名兒童測試了近53000張照片。其中一半測試者眼睛健康，另一半已被診斷出患有白斑病相關的眼病。在20名患病的兒童中，該應用程序成功以被醫生確診前平均1.3年的照片確診16名。

研究人員證實該APP平均能比醫生提前9個月的時間確診單側視網膜母細胞瘤患病兒童，而這個時間足以決定患兒是否能保留病眼。

感興趣可以閲讀：

https://spectrum.ieee.org/the-human-os/biomedical/diagnostics/app-detects-eye-disease-in-personal-photos

谷歌提升大規模多語種的語音識別能力

Google Assistant的一項核心功能是理解人類語音，並且要確保其產品能夠為世界上儘可能多的語種服務。但這充滿了挑戰，因為高質量的自動語音識別（ASR）系統需要大量的音頻和文本數據。而許多小語種幾乎沒有可用的數據。

在2019年9月Interspeech上，谷歌研究團隊發佈了《具有流式端到端模型的大型多語言語音識別》論文，介紹了一個端到端（E2E）系統，該系統用單個語言訓練模型，但可實現實時多語言識別。其背後的理念是，神經網絡模型可以從一種數據豐富的語言的音頻數據中學習“知識”，獲得訓練，然後被數據稀缺的語言使用，而並不需要從頭開始學習所有內容。

研究團隊用9種印度語言做了測試，證明了該系統在用於數據稀缺的小語種時，ASR質量顯着提高。

感興趣可以閲讀：

https://ai.googleblog.com/2019/09/large-scale-multilingual-speech.html

Deepfake專家表示：“完全真實”的Deepfake將在6個月到1年內發生

Deepfake專家兼南加州大學計算機科學副教授黎顥近日在接受CNBC採訪時表示，肉眼無法辨別的深度虛假視頻的出現，只需要6-12個月的時間。

黎顥説：“很快，我們將無法再真正檢測Deepfake了，因此我們必須考慮其他類型的解決方案。”

他補充説，Deepfake在時尚和娛樂領域肯定有積極的用途，例如其可以使遠程視頻會議的體驗更好。但是如果用於惡作劇和政治則很糟糕。黎顥原本預測該技術的發展還需要2-3年的時間，但是越來越多的研究和令人難以置信的Zao換臉應用程序使他調整了預測時間。

黎顥認為，**Deepfake技術本身不是問題，而是人們使用該技術來欺騙或傷害會帶來問題。**那麼我們如何避免嚴重的後果呢?  “如果你需要構建能夠檢測出Deepfake內容的人工智能框架，則必須使用同類技術對檢測模型進行訓練。因為如果你不知道它們是如何工作的，則就很難檢測出它們。”

感興趣可以閲讀：

https://futurism.com/pioneer-perfect-deepfake-six-months-away

怎麼樣，今天的哪條技術前沿讓你印象最深？歡迎大家留言討論！