Οι ισχυρές ακτίνες που δίνουν μια σαφέστερη εικόνα βλάπτουν τα δείγματα όταν πρόκειται γιασχετικά με τις εύθραυστες δομές, συμπεριλαμβανομένων των
Αμερικανοί ερευνητές πέτυχανεικόνα που λαμβάνεται με μια δέσμη χαμηλής ισχύος, "τραβήξτε" κρυμμένη από τις λεπτομέρειες θορύβου των βιολογικών δειγμάτων ", - δήλωσε ο Shuiwang Ji, αναπληρωτής καθηγητής του Τμήματος Επιστήμης και Μηχανικής Υπολογιστών. "Χρησιμοποιήσαμε μια καθαρά υπολογιστική προσέγγιση για τη δημιουργία εικόνων υψηλότερης ανάλυσης και σε αυτήν τη μελέτη δείξαμε ότι μπορούμε να βελτιώσουμε την ανάλυση σε βαθμό πολύ κοντά σε αυτό που μπορείτε να πάρετε με ισχυρές δέσμες."
Ο Τζι πρόσθεσε ότι σε αντίθεση με άλλους αλγόριθμουςμείωση θορύβου που μπορεί να χρησιμοποιήσει πληροφορίες που προέρχονται μόνο από ένα μικρό κομμάτι pixel σε εικόνα χαμηλής ανάλυσης, ο έξυπνος αλγόριθμος τους μπορεί να εντοπίσει μοτίβα pixel που μπορούν να διανεμηθούν σε μια θορυβώδη εικόνα, αυξάνοντας την αποτελεσματικότητά του ως εργαλείο μείωσης θορύβου.
Μια τυπική εικόνα μικροσκοπίουσύμφωνα με τη μέθοδο των ερευνητών, τοποθετείται σε ψηφιακή εικόνα υπολογιστή. Αυτή η μέθοδος επεξεργασίας εικόνας υπόσχεται όχι μόνο τη μείωση του κόστους, αλλά και την αυτοματοποίηση της ανάλυσης ιατρικών εικόνων και την αποκάλυψη λεπτομερειών που μερικές φορές μπορεί να χάσει το μάτι.
Λογισμικό που βασίζεται σε αλγόριθμομηχανική εκμάθηση, που ονομάζεται βαθιά μάθηση, απομακρύνει αποτελεσματικά τη θόλωση ή τον θόρυβο στις εικόνες Αυτοί οι αλγόριθμοι μπορούν να απεικονιστούν ως αποτελούμενοι από πολλά διασυνδεδεμένα επίπεδα ή βήματα επεξεργασίας που λαμβάνουν μια εικόνα εισόδου χαμηλής ανάλυσης και παράγουν μια εικόνα εξόδου υψηλής ανάλυσης.
«Φανταστείτε ένα κομμάτι δείγματος που έχει ένα επαναλαμβανόμενο μοτίβο, όπως μια κηρήθρα.μόνο τοπικές πληροφορίες για να συμπληρωθούν τα κενά στην εικόνα που δημιουργούνται από τον θόρυβο», δήλωσε ο Ji.«Αλλά είναι αναποτελεσματικό επειδή ο αλγόριθμος δεν βλέπει πραγματικάΑντ 'αυτού, οι αλγόριθμοι βαθιάς μάθησης πρέπει να έχουν προσαρμοστικά δεκτικά πεδία που μπορούνσυλλαμβάνει πληροφορίες στη συνολική δομή της εικόνας."
Οι επιστήμονες έχουν αναπτύξει έναν διαφορετικό αλγόριθμο για βαθιάμάθηση που μπορεί να αλλάξει δυναμικά το μέγεθος του πεδίου αντίληψης. Με άλλα λόγια, σε αντίθεση με προηγούμενους αλγόριθμους, οι οποίοι μπορούν να συγκεντρώσουν πληροφορίες μόνο από μικρό αριθμό pixel, ο νέος αλγόριθμός τους, που ονομάζεται παγκόσμια δίκτυα μετασχηματισμού voxel (GVTNets), μπορεί να συνδυάσει πληροφορίες από μια μεγαλύτερη περιοχή της εικόνας, όπως απαιτείται.
Οι ερευνητές σημείωσαν ότι ο νέος αλγόριθμός τουςμπορεί εύκολα να προσαρμοστεί σε άλλες εφαρμογές εκτός από τη μείωση του θορύβου, όπως η απεικόνιση φθορισμού χωρίς ετικέτες και η μετατροπή 3D σε 2D για γραφικά υπολογιστών.
«Αυτό μπορεί να είναι εξαιρετικά πολύτιμο για πολλούςεφαρμογές, συμπεριλαμβανομένων κλινικών, όπως η αξιολόγηση του σταδίου της εξέλιξης του καρκίνου και ο προσδιορισμός μεταξύ των κυτταρικών τύπων για την πρόβλεψη της νόσου », καταλήγει ο Ji.
Δείτε επίσης:
Μεγάλοι αριθμοί γκρίζων φαλαινών αρχίζουν να λιμοκτονούν και να πεθαίνουν στον Ειρηνικό
Το ένα τρίτο αυτών που έχουν αναρρώσει από το COVID-19 επιστρέφουν στο νοσοκομείο. Κάθε όγδοο - πεθαίνει
Άμβλωση και επιστήμη: τι θα συμβεί στα παιδιά που θα γεννήσουν