科学家开发了一种新工具，可以识别低分辨率图像

 2021年3月10日，加利福尼亚州拉霍拉，Salk研究所开发了一种名为“碎裂机”的工具，增加了深度学习增强型显微镜的自由性，该技术提升了训练算法，可以增强低分辨率图像的解读能力。







深度学习为科学家提供了从低分辨率图像中收集信息的潜力，否则这些信息实际上是无法获得的。在细胞成像的情况下，获取详细的图像可能会很复杂，因为它需要弱光条件，这会导致分辨率较低的图像。激光照射会损坏或改变细胞，进而扩展或破坏可从图像中收集的信息的质量。



“我们在这些显微镜上投资了数百万美元，但我们仍在努力限制它们的极限，” Salk的Waitt先进生物光子学核心设施负责人Uri Manor说：“这就是我们正在尝试通过深度学习解决的问题。”



为了应用深度学习来改善显微镜图像，无论是通过提高清晰度还是解决背景噪声，都必须在高分辨率和低分辨率图像的示例上对系统进行培训。在单独的曝光中捕获完全相同的显微镜图像是困难且昂贵的。在此过程中经常移动的活细胞是一个很大的挑战。







由Manor领导的团队没有尝试拍摄两个相同的图像，而是拍摄了一个图像，然后对其进行复制，并通过一种称为“敲碎器”的机制运行该图像，从而对图像进行了降级处理。该方法使图像看起来像团队将要获得的最低的低分辨率图像。



然后显示了称为点扫描超分辨率（PSSR）的软件以及降级版本的高分辨率图像。在研究了图像之后，该系统能够学习如何改善低质量的图像，而不会遇到高分辨率的图像。



以前的系统从人为降级的数据中学到的东西，在呈现有机缺陷的数据时仍然会遇到困难。



“我们尝试了多种不同的降解方法，但发现了一种切实可行的方法，” Manor说：“您可以在人工生成的数据上训练模型，而该模型实际上可以在现实世界的数据上工作。”



该技术还具有增强老式或功能较弱的显微镜的潜力。



“使用我们的方法，人们可以从这种强大的深度学习技术中受益，而无需花费大量时间或资源，”怀特先进生物光子学核心设施的图像分析专家林靖芳说。“您可以使用现有的高质量数据，对其进行降级并训练模型以提高低分辨率图像的质量。”



该团队证明了PSSR可同时用于电子显微镜和荧光活细胞图像-这两种情况很难或不可能获得训练AI系统所需的重复的高分辨率和低分辨率图像。尽管该研究在脑组织图像上展示了该方法，但Manor希望将来可以将其应用于身体的其他系统。他还希望有朝一日可以使用它来使高分辨率的显微成像变得更加广泛，因为强大的显微镜可能要花费数十万美元，甚至超过一百万美元。



“我们对未来的愿景之一是能够开始用深度学习替代一些昂贵的组件，这样我们就可以开始使显微镜变得更便宜，更容易使用了，” Manor说。



这项研究发表在《自然方法》上。

原文链接：https://www.xianjichina.com/special/detail_476209.html
来源：贤集网
著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。