AI hjelper med å få røntgenbilder raskere

Det nye datasystemet kan gjøre mer enn bare å rekonstruere bilder fra en rekke røntgendata

med hastigheter hundrevis av ganger raskere enn eksisterende, men også for å lære av erfaring og utvikle mer effektive måter å telle og rekonstruere data på. 

I en artikkel publisert i bladetAnvendte fysikkbokstaver, en gruppe informatikere fraUS Department of Energy (DOE) ved Argonne National Laboratory har demonstrert bruken av kunstig intelligens (AI) for å akselerere prosessen med bildekonstruksjon basert på sammenhengende røntgenspredningsdata.

PtychoNN bruker kunstigintelligens for å gjenopprette både amplitude og fase fra røntgendata, og gir bilder som forskere kan bruke. Kreditt: Matthew Cherukara / Argonne National Laboratory

Prosessen med å bruke datamaskiner til å byggebilder fra sammenhengende spredte røntgendata kalles ptycography. Forskere har brukt et nevralt nettverk som lærer å transformere disse dataene til en konsistent form. Derav navnet på deres innovasjon: PtychoNN.

Ved å bruke kunstig intelligens metoder,et team av forskere har vist at datamaskiner kan læres å forutsi og rekonstruere bilder fra røntgendata, og de kan gjøre det 300 ganger raskere enn den tradisjonelle metoden. 

Det er verdt å merke seg at i stedet for å bruke simulerte bilder for å trene det nevrale nettverket, brukte teamet ekte røntgendata. 

Les mer

Forskning: mennesker vil ikke kunne kontrollere superintelligente AI-maskiner

Abort og vitenskap: hva vil skje med barna som skal føde

Sjekk ut de vakreste bildene av Hubble. Hva har teleskopet sett på 30 år?

Skanning av bildebehandlingsteknikkgjenstander hvis dimensjoner er mye større enn tverrmålene til brennpunktet på prøven. Opprinnelig utviklet av Walter Hoppe for å løse problemet med invers fasediffraksjon fra overlappende regioner i testprøven.

Fra gresk ptycho - overlapp.