近日，复旦大学与上海小海龟科技有限公司的联合研究团队在国际知名专业期刊《Sensors & Actuators: B. Chemical》上发表了题为 "R³Net: A three-phase neural network for noise elimination and accurate quantification in chip-based digital PCR"的突破性论文 (https://www.sciencedirect.com/science/article/abs/pii/S0925400525008998) ，标志着小海龟科技在BioAI（生命科学人工智能）领域取得了新的技术突破，也是小海龟科技践行“引领生命科学与分子诊断进入数字时代”企业座右铭的重要体现。
  
传统的芯片式数字PCR（cdPCR）在实验操作与图像采集过程中，不可避免的面临荧光污染噪声、暗场干扰、光泄漏等多重技术挑战，这些问题有可能直接影响检测结果的精度和可靠性。而现有的传统图像处理方法在处理这些复杂噪声时往往力不从心，成为制约数字PCR技术进一步提升的瓶颈。

小海龟科技的R³Net（Recognition-Restoration-Reading Net）以其创新的三相神经网络架构彻底改变了这一局面。该技术采用噪声识别-图像修复-芯片读取的三阶段处理流程，首先通过U-Net网络精准识别噪声区域并生成噪声掩码，随后利用创新的脉冲通道分离残差网络（S-SRNet）进行图像修复，最终通过轻量级的YOLO-mini网络实现高精度的定量分析。这一技术架构的独特之处在于其时序输入机制，通过在不同时间步长输入带噪图像和噪声掩码，网络能够更有效地区分前景噪声和背景区域，实现更精准的噪声处理。同时，脉冲神经网络（SNN）的引入不仅提升了计算效率，更增强了系统的时间敏感性，为复杂噪声环境下的图像处理提供了全新的解决方案。

实验结果表现出色。团队使用肺癌、新冠病毒、流感病毒等DNA样本进行了大量测试，R³Net技术在关键指标上全面领先：检测准确性方面，在处理有干扰的图像时，R³Net的准确率高达88.47%，图像清晰度和相似度指标分别达到41.38和99.72%，远超传统方法。处理速度方面，新开发的轻量化算法在保持98.27%高精度的同时，系统资源占用比传统方法减少了98%以上，处理一张图片仅需1.3秒，完全满足临床快速检测的需求。

这项技术突破的意义远超学术层面，其商业价值和市场前景同样令人瞩目。小海龟科技作为国内数字PCR与数字等温等数字分子检测产品的领军企业，拥有从BioDigital 青分体机到SCI Digital Pro全自动一体机的完整产品矩阵，此次AI技术的成功融入将为其产品线注入更强劲的技术动能。对于终端用户而言，R³Net技术的应用意味着即使在复杂的实验环境中，也能获得更加稳定可靠的检测结果。

R³Net技术的成功应用标志着数字PCR开始进入AI驱动的新时代，也是小海龟科技在BioAI领域布局的开始。作为全球生命科学研究AI社区BioBuddy的发起方之一，小海龟科技正在构建一个涵盖BioSalesAI数字员工解决方案、生命科学人工智能训练中心等多元化技术方案和产品组合。欢迎有兴趣的行业伙伴和科研人员交流与合作。

文献链接：
https://www.sciencedirect.com/science/article/abs/pii/S0925400525008998
 

联系方式

            电话｜+86-21-36583658

            手机｜+86-18001988905 

          微信｜TTECH2023

            邮箱｜contact@turtle-tech.cn

            网址｜http://www.turtle-tech.com.cn

            地址｜中国上海市宝山区园丰路69号（粤浦科技园）2幢4楼