Stiprūs spinduliai, suteikiantys aiškesnį vaizdą, pažeidžia mėginius, jei kalbame apie trapias struktūras, įskaitant
Amerikos mokslininkams tai pavykovaizdas gautas naudojant mažos galios spindulį, „ištraukite“, paslėptą biologinių mėginių triukšmo detalių “, - sakė Kompiuterių ir inžinerijos katedros docentas Shuiwang Ji. "Norėdami sukurti didesnės raiškos vaizdus, mes naudojome grynai skaičiavimo metodą, ir šiame tyrime mes parodėme, kad galime pagerinti skiriamąją gebą labai arti to, ką galite gauti naudodami galingas sijas.
Ji pridūrė, kad skirtingai nuo kitų algoritmųtriukšmo mažinimas, kuris gali naudoti informaciją, gaunamą tik iš nedidelio taškų taško mažos raiškos vaizde, jų išmanusis algoritmas gali nustatyti pikselių modelius, kuriuos galima paskirstyti triukšmingame vaizde, padidinant jo, kaip triukšmo mažinimo įrankio, efektyvumą.
Tipiškas mikroskopo vaizdaspagal tyrėjų metodą jis uždedamas ant kompiuterio skaitmeninio vaizdo. Šis vaizdo apdorojimo metodas žada ne tik sumažinti išlaidas, bet ir automatizuoti medicininių vaizdų analizę ir atskleisti detales, kurių akis kartais gali praleisti.
Algoritmais paremta programinė įrangamašininis mokymasis, vadinamas giliuoju mokymusi, efektyviai pašalina vaizdų neryškumą ar triukšmą. Šie algoritmai gali būti vizualizuoti kaip sudaryti iš daugelio tarpusavyje sujungtų sluoksnių arba apdorojimo etapų, kurie ima žemos skiriamosios gebos įvesties vaizdą ir sukuria didelės skiriamosios gebos išvesties vaizdą.
„Įsivaizduokite pavyzdžio gabalėlį, kuris turipasikartojantis raštas, pvz., koris. Dauguma gilaus mokymosi algoritmų naudoja tik vietinę informaciją, kad užpildytų triukšmo sukurtas vaizdo spragas“, – sakė Ji. „Tačiau tai neefektyvu, nes algoritmas iš esmės nemato vaizde pasikartojančio modelio, nes imlus laukas yra fiksuotas. Vietoj to, gilaus mokymosi algoritmai turi turėti adaptyvius imlius laukus, kurie gali užfiksuoti informaciją bendroje vaizdo struktūroje.
Mokslininkai sukūrė kitokį giliųjų algoritmąmokymasis, kuris gali dinamiškai pakeisti suvokimo lauko dydį. Kitaip tariant, skirtingai nei ankstesni algoritmai, galintys kaupti informaciją tik iš nedidelio taškų skaičiaus, jų naujasis algoritmas, vadinamas visuotiniais vokselių transformacijos tinklais (GVTNets), gali prireikus sujungti informaciją iš didesnio vaizdo ploto.
Tyrėjai pažymėjo, kad jų naujas algoritmasbe triukšmo mažinimo, galima lengvai pritaikyti kitoms programoms, pavyzdžiui, fluorescenciniam vaizdavimui be etikečių ir 3D į 2D konversiją kompiuterinei grafikai.
„Tai daugeliui gali būti nepaprastai vertingataikymai, įskaitant klinikinius, tokie kaip vėžio progresavimo stadijos įvertinimas ir nustatymas tarp ląstelių tipų, norint numatyti ligą “, - apibendrina Ji.
Taip pat žiūrėkite:
Ramiajame vandenyne daugybė pilkųjų banginių pradeda badauti ir mirti
Trečdalis atsigavusių po COVID-19 grįžta į ligoninę. Kas aštuntas - miršta
Abortas ir mokslas: kas nutiks gimdantiems vaikams