AI hjälper till att få röntgenbilder snabbare

Det nya datorsystemet kan göra mer än att bara rekonstruera bilder från en mängd olika röntgendata

i hastigheter hundratals gånger snabbare än befintliga, men också för att lära av erfarenheter och utveckla effektivare sätt att räkna och rekonstruera data. 

I en artikel publicerad i tidningenTillämpade fysikbokstäver, en grupp datavetare frånUSA: s energidepartement (DOE) vid Argonne National Laboratory har demonstrerat användningen av artificiell intelligens (AI) för att påskynda processen för bildrekonstruktion baserat på sammanhängande röntgenspridningsdata.

PtychoNN använder konstgjordaintelligens för att återställa både amplitud och fas från röntgendata, vilket ger bilder som forskare kan använda. Upphovsman: Matthew Cherukara / Argonne National Laboratory

Processen att använda datorer för att byggabilder från sammanhängande spridd röntgendata kallas ptycography. Forskare har använt ett neuralt nätverk som lär sig att omvandla dessa data till en konsekvent form. Därav namnet på deras innovation: PtychoNN.

Med hjälp av artificiell intelligens,ett team av forskare har visat att datorer kan läras att förutsäga och rekonstruera bilder från röntgendata, och de kan göra det 300 gånger snabbare än den traditionella metoden. 

Det är värt att notera att i stället för att använda simulerade bilder för att träna det neurala nätverket använde teamet riktiga röntgendata. 

Läs mer

Forskning: människor kommer inte att kunna kontrollera superintelligenta AI-maskiner

Abort och vetenskap: vad kommer att hända med barnen som kommer att föda

Kolla in de vackraste bilderna på Hubble. Vad har teleskopet sett på 30 år?

Skanning av bildteknikobjekt vars dimensioner är mycket större än de tvärgående dimensionerna av fokalfläcken på provet. Ursprungligen utvecklat av Walter Hoppe för att lösa problemet med invers fasdiffraktion från överlappande regioner i testprovet.

Från grekiska ptycho - överlappning.