I raggi forti che danno un'immagine più chiara danneggiano i campioni quando si tratta disulle strutture fragili, tra cui
I ricercatori americani sono riusciti daimmagine ottenuta con un raggio a bassa potenza, "tirare fuori" nascosto dai dettagli di rumore di campioni biologici ", - ha detto Shuiwang Ji, professore associato del Dipartimento di Informatica e Ingegneria. "Abbiamo utilizzato un approccio puramente computazionale per creare immagini ad alta risoluzione e in questo studio abbiamo dimostrato che possiamo migliorare la risoluzione a un livello molto vicino a quello che si può ottenere con potenti fasci".
Ji ha aggiunto che a differenza di altri algoritmiriduzione del rumore che può utilizzare le informazioni provenienti solo da una piccola porzione di pixel in un'immagine a bassa risoluzione, il loro algoritmo intelligente può identificare i modelli di pixel che possono essere distribuiti in un'immagine rumorosa, aumentando la sua efficacia come strumento di riduzione del rumore.
Una tipica immagine al microscopiosecondo il metodo dei ricercatori, è sovrapposto a un'immagine digitale del computer. Questo metodo di elaborazione delle immagini promette non solo di ridurre i costi, ma anche di automatizzare l'analisi delle immagini mediche e rivelare dettagli che a volte l'occhio può perdere.
Software basato su algoritmiil machine learning, chiamato deep learning, rimuove efficacemente sfocature o disturbi nelle immagini. Questi algoritmi possono essere visualizzati come costituiti da molti livelli interconnessi o fasi di elaborazione che acquisiscono un'immagine di input a bassa risoluzione e producono un'immagine di output ad alta risoluzione.
"Immagina un pezzo di campione che ha un motivo ripetuto, come un nido d'ape.solo informazioni locali per colmare le lacune nell'immagine create dal rumore", ha detto Ji."Ma è inefficiente perché l'algoritmo in realtà non vedeInvece, gli algoritmi di deep learning devono avere campi recettivi adattivi che possonocatturare le informazioni nella struttura generale dell'immagine."
Gli scienziati hanno sviluppato un algoritmo diverso per deepapprendimento che può cambiare dinamicamente la dimensione del campo di percezione. In altre parole, a differenza dei precedenti algoritmi, che possono solo aggregare informazioni da un piccolo numero di pixel, il loro nuovo algoritmo, chiamato reti di trasformazione voxel globali (GVTNets), può combinare le informazioni da un'area più ampia dell'immagine secondo necessità.
I ricercatori hanno notato che il loro nuovo algoritmopuò essere facilmente adattato ad altre applicazioni oltre alla riduzione del rumore, come l'imaging a fluorescenza senza etichette e la conversione da 3D a 2D per la computer grafica.
“Questo può essere estremamente prezioso per moltiapplicazioni, comprese quelle cliniche, come la valutazione dello stadio di progressione del cancro e la determinazione dei tipi di cellule per predire la malattia ", conclude Ji.
Vedi anche:
Un gran numero di balene grigie iniziano a morire di fame e a morire nel Pacifico
Un terzo di coloro che sono guariti dal COVID-19 torna in ospedale. Ogni otto - muore
Aborto e scienza: cosa succederà ai bambini che partoriranno