AI palīdz ātrāk iegūt rentgena starus

Jaunā datorsistēma var darīt vairāk nekā tikai rekonstruēt attēlus no dažādiem rentgena datiem

ātrumā, kas ir simtiem reižu ātrāks par esošajiem, bet arī mācīties no pieredzes, kā arī izstrādāt efektīvākus veidus, kā skaitīt un rekonstruēt datus. 

Žurnālā publicētā rakstāLietišķās fizikas vēstules, datorzinātnieku grupa noASV Enerģētikas departaments (DOE) Argonas Nacionālajā laboratorijā ir parādījis mākslīgā intelekta (AI) izmantošanu, lai paātrinātu attēla rekonstrukcijas procesu, pamatojoties uz saskaņotiem rentgena izkliedes datiem.

PtychoNN izmanto mākslīguinteliģence, lai no rentgena datiem atgūtu gan amplitūdu, gan fāzi, nodrošinot attēlus, kurus zinātnieki var izmantot. Kredīts: Metjū Čerukara / Argonas Nacionālā laboratorija

Datoru izmantošanas process, lai izveidotuattēlus no koherentiem izkliedētiem rentgena datiem sauc par ptycography. Zinātnieki ir izmantojuši neironu tīklu, kas iemācās pārveidot šos datus konsekventā formā. Tādējādi viņu inovācijas nosaukums: PtychoNN.

Izmantojot mākslīgā intelekta metodes, pētnieku komanda ir pierādījusi, ka datorus var iemācīt prognozēt un rekonstruēt attēlus, pamatojoties uz rentgena datiem, un viņi varDariet to 300 reizes ātrāk nekā tradicionālā metode. 

Ir vērts atzīmēt, ka tā vietā, lai izmantotu simulētus attēlus, lai apmācītu neironu tīklu, komanda izmantoja reālus rentgena datus. 

Lasīt vairāk

Pētījumi: cilvēki nespēs kontrolēt superinteligent AI mašīnas

Aborts un zinātne: kas notiks ar bērniem, kas dzemdēs

Apskatiet skaistākos Habla attēlus. Ko teleskops ir redzējis 30 gadu laikā?

Skenēšanas attēlveidošanas tehnikaobjekti, kuru izmēri ir daudz lielāki par fokusa vietas šķērsvirziena izmēriem uz parauga. Sākotnēji izstrādājis Valters Hopē, lai atrisinātu apgrieztās fāzes difrakcijas problēmu no pētāmā parauga reģioniem, kas pārklājas.

No grieķu ptycho - pārklājas.