Det nye computersystem kan mere end blot rekonstruere billeder fra en række røntgendata
I en artikel offentliggjort i bladetAnvendte fysikbogstaver, en gruppe af dataloger fraDet amerikanske energiministerium (DOE) ved Argonne National Laboratory har demonstreret brugen af kunstig intelligens (AI) til at fremskynde processen med billedrekonstruktion baseret på sammenhængende røntgenspredningsdata.
PtychoNN bruger kunstigeintelligens til at gendanne både amplitude og fase fra røntgendata og give billeder, som forskere kan bruge. Kredit: Matthew Cherukara / Argonne National Laboratory
Processen med at bruge computere til at byggebilleder fra sammenhængende spredte røntgendata kaldes ptycography. Forskere har brugt et neuralt netværk, der lærer at omdanne disse data til en ensartet form. Deraf navnet på deres innovation: PtychoNN.
Brug af kunstig intelligens metoder,et team af forskere har påvist, at computere kan læres at forudsige og rekonstruere billeder ud fra røntgendata, og de kan gøre det 300 gange hurtigere end den traditionelle metode.
Det er værd at bemærke, at i stedet for at bruge simulerede billeder til at træne det neurale netværk, brugte holdet rigtige røntgendata.
Læs mere
Forskning: mennesker vil ikke være i stand til at kontrollere superintelligente AI-maskiner
Abort og videnskab: hvad vil der ske med de børn, der føder
Tjek de smukkeste billeder af Hubble. Hvad har teleskopet set i 30 år?
Scanning billeddannelsesteknikobjekter, hvis dimensioner er meget større end de tværgående dimensioner af brændpunktet på prøven. Oprindeligt udviklet af Walter Hoppe til at løse problemet med invers fasediffraktion fra overlappende regioner i den undersøgte prøve.
Fra det græske ptycho - overlapning.