索尔克研究所 使用人工智能(右)增强了癌细胞内线粒体网络(细胞的发电站)的低分辨率图像(左)
静止图像是从运动图像中拍摄的
学分:索尔克学院/维特高级生物光子核心 深度学习是科学家从显微镜的低分辨率图像中收集更多细节的潜在工具，但是在这个过程中很难收集足够的基线数据来训练计算机
现在，索尔克研究所的科学家们开发了一种新方法，通过拍摄高分辨率图像，并人为地降低它们的质量，使这项技术变得更容易获得
研究人员称这种新工具为“放大镜”，它可以让科学家更容易获得细胞或细胞结构的详细图像，这些图像以前很难观察到，因为它们需要弱光条件，如线粒体，当受到激光照射时，线粒体会分裂
这也有助于显微镜的大众化，让科学家即使无法接触到强大的显微镜也能捕捉到高分辨率的图像
该发现发表在2021年3月8日的《自然方法》杂志上
“我们在这些显微镜上投资了数百万美元，但我们仍在努力将它们的功能发挥到极限，”索尔克维特高级生物光子核心设备的主任尤里·马诺尔说
“这就是我们试图通过深度学习解决的问题
" 深度学习是一种人工智能，其中计算机算法通过研究例子来学习和改进
要使用深度学习来改善显微镜图像——无论是通过提高分辨率(清晰度)还是降低背景“噪声”——系统都需要显示许多高分辨率和低分辨率图像的例子
这是一个问题，因为在两次不同的曝光中捕捉完全相同的显微图像既困难又昂贵
当成像过程中可能四处移动的活细胞时，这尤其具有挑战性
这就是失败的原因
根据Manor的说法，这种方法获取高质量的图像，并在计算上对它们进行降级，这样它们看起来就像团队获得的最低分辨率的图像
使用人工智能(右)增强了癌细胞(左)内部线粒体网络(细胞的发电站)的低分辨率延时
左下角的插图突出显示了一个裂变(分裂)事件，该事件在高分辨率版本(右)中可检测到，但在低分辨率版本(左)中不可检测到
学分:索尔克学院/维特高级生物光子核心 Manor的团队将高分辨率图像及其退化的对应图像展示给深度学习软件，名为点扫描超分辨率或PSSR
在研究了退化的图像后，该系统能够学习如何改善自然质量差的图像
这一点意义重大，因为在过去，学习人工降级数据的计算机系统在面对真实世界的原始数据时仍然很困难
“我们尝试了一系列不同的降解方法，我们发现了一种切实可行的方法，”马诺尔说
“你可以在人工生成的数据上训练一个模型，它实际上可以在真实世界的数据上工作
" “使用我们的方法，人们可以受益于这种强大的、深入的学习技术，而不需要投入大量的时间或资源，”Waitt高级生物光子学核心设备的图像分析专家、该论文的主要作者林箐·方说
“您可以使用预先存在的高质量数据，对其进行降级，并训练模型来提高低分辨率图像的质量
" 该团队表明，PSSR在电子显微镜和荧光活细胞图像方面都有工作——在这两种情况下，获得训练人工智能系统所需的高分辨率和低分辨率图像可能非常困难或不可能
虽然这项研究在脑组织图像上演示了这种方法，但马诺尔希望它能在未来应用于身体的其他系统
他还希望有一天它能被用来使高分辨率显微成像更容易获得
目前，世界上最强大的显微镜可以花费100多万美元，因为创建高分辨率图像需要精密工程
“我们对未来的愿景之一是能够开始用深度学习来取代那些昂贵的组件，”曼诺说，“所以我们可以开始让显微镜变得更便宜、更容易接近。”
"
来源：由phyica.com整理转载自PH，转载请保留出处和链接！
