人工智能增强超分辨率显微镜

2024 年 4 月 3 日

新的英德生成模型比现有方法更有效。

计算方法和算法数据处理是超分辨率显微镜的一个重要方面，但完成该任务的新方法可以提供增强成像的途径。

高级系统理解中心（伤员）在德国亥姆霍兹德累斯顿罗森多夫中心， 伦敦帝国理工学院 和 伦敦大学学院 使用生成人工智能（AI）来提高超分辨率图像的质量。

生成式人工智能是当前文本或图像创建应用程序（例如 ChatGPT 或 Stable Diffusion）背后的原理，其中机器学习操作不是简单地感知和分类其接收的数据，而是对其进行扩展以在受控限制内创建更多数据。

研究人员表示，CASUS 项目的开源生成人工智能算法被称为条件变分扩散模型 (CVDM)，“通过随机性重建图像来提高图像质量”，并且计算成本比已建立的扩散模型更低。

CASUS 的 Artur Yakimovich 评论道：“扩散模型长期以来一直被认为训练起来计算成本昂贵；一些研究人员最近正是因为这个原因而放弃了它们。” “但是像我们的 CVDM 这样的新发展可以最大限度地减少‘非生产性运行’，而这种运行不会导致最终模型。通过降低计算量和功耗，这种方法也可能使扩散模型的训练更加环保。”

超分辨率显微镜，可以成像 低于名义衍射极限，可能是 CVDM 的一个有价值的应用领域，因为尽管结构照明显微镜等技术在性能方面取得了长足的进步，但仍然面临着与信息丢失和噪声相关的固有障碍。

立即适用于医学显微镜

CVDM 旨在最大程度地减少计算过程中的非生产性运行，其设计使得在训练阶段，模型能够自行找到特定任务中降噪的最佳训练，而程序员无需制定总体降噪“时间表” “首先通过尝试和错误。

在将CVDM应用于超分辨率图像和结构照明超分辨率显微镜的测试中，该项目发现，与现有的扩散概率方法相比，它可以将分辨率提高4.42%，与基于回归的方法相比，可以提高26.27%。

该项目指出，使用上皮细胞和泌尿细胞的临床图像进行的测试表明，CVDM 方法“可立即适用于医学显微镜”。

Artur Yakimovich 表示：“我们相信我们的方法具有一些新的独特特性，即与其他扩散模型方法相比，具有较高的灵活性和速度，并且质量可比甚至更好。” “此外，我们的 CVDM 在重建不太确定的情况下提供了直接提示；这是一个非常有用的特性，它提出了在新实验和模拟中解决这些不确定性的路径。”

1712174247
2024-04-03 19:30:13
#人工智能增强超分辨率显微镜