哥德堡大学 该图显示了神经网络如何用于从显微镜图像中检索感兴趣的信息
信用:Aykut Argun 哥德堡大学开发的人工智能工具为分析显微镜拍摄的图像提供了新的机会
一项研究表明，这种已经获得国际认可的工具可以从根本上改变显微镜检查，并为研究和工业领域的新发现和应用铺平道路
这项研究的重点是深度学习，这是一种人工智能和机器学习，我们每天都在与它互动，但通常不会去想它
例如，当Spotify上弹出一首与我们以前听过的歌曲相似的新歌时，或者当我们的手机摄像头自动找到最佳设置并校正照片中的颜色时
“深度学习席卷全球，对许多行业、部门和科学领域产生了巨大影响
该研究的主要作者、物理学博士生本杰明·米德维特说:“我们现在开发了一种工具，可以利用深度学习的惊人潜力，重点是用显微镜拍摄的图像。”
深度学习可以描述为一种数学模型，用于解决使用传统算法难以解决的问题
在显微术中，最大的挑战是从数据包装的图像中检索尽可能多的信息，这也是深度学习被证明非常有效的地方
米德维特和他的研究同事开发的工具涉及神经网络学习，通过浏览大量图像(称为训练数据)，从图像中准确检索研究人员想要的信息
与手动生成相比，该工具简化了生成训练数据的过程，因此一个小时可以生成数万幅图像，而不是一个月生成一百幅图像
“这使得从显微镜图像中快速提取更多细节成为可能，而无需使用传统方法进行复杂的分析
此外，结果是可再现的，并且可以为特定目的检索定制的特定信息
" 例如，该工具允许用户决定非常小的颗粒的尺寸和材料特性，并容易地对细胞进行计数和分类
研究人员已经证明，需要净化排放物的行业可以使用这种工具，因为他们可以实时看到所有不需要的颗粒是否都被过滤掉了
研究人员希望，在未来，该工具可以用于跟踪细胞中的感染，并绘制细胞防御机制，这将为新药和治疗开辟巨大的可能性
“我们已经看到国际上对这一工具的主要兴趣
不管微观挑战如何，研究人员现在可以更容易地进行分析，做出新的发现，实施想法，并在他们的领域内开辟新天地
"
来源：由phyica.com整理转载自PH，转载请保留出处和链接！
