Nov 22 2017
Un modulo dell'apprendimento profondo chiamato apprendimento automatico è una delle tecnologie chiave dietro gli avanzamenti recenti nelle applicazioni come riconoscimento vocale in tempo reale ed il contrassegno automatizzato video e di immagine.
L'approccio, che usa le reti neurali artificiali a più strati per automatizzare l'analisi di dati, egualmente ha indicato la promessa significativa per la sanità: Potrebbe essere usato, per esempio, per identificare automaticamente le anomalie nei raggi x dei pazienti, scansioni di CT ed altri immagini e dati medici.
In due nuovi documenti, i ricercatori del UCLA riferiscono che hanno sviluppato i nuovi usi per in profondità imparare: ricostruendo un ologramma per formare un'immagine microscopica di un oggetto e di miglioramento della microscopia ottica.
La loro nuova tecnica di rappresentazione olografica produce le migliori immagini che i metodi correnti che usano gli ologrammi multipli ed è più facile da applicare perché richiede meno misure ed esegue i calcoli velocemente.
La ricerca piombo da Aydogan Ozcan, un direttore associato dell'istituto del UCLA la California NanoSystems e del professore del cancelliere di elettrico e ingegneria informatica al banco del UCLA Henry Samueli di assistenza tecnica e di scienza applicata; e dallo studioso postdottorale Yair Rivenson e dal dottorando Yibo Zhang, sia dei UCLA elettrici che del Servizio tecnico di ingegneria informatica.
Per uno studio (PDF), pubblicato all'indicatore luminoso: La scienza e le applicazioni, i ricercatori hanno prodotto gli ologrammi dei pap test, che sono usati per schermare per cancro cervicale e campioni di sangue come pure campioni di tessuto del petto. In ogni caso, nella rete neurale imparata per estrarre e separare le funzionalità dell'immagine vera dell'oggetto da interferenza leggera indesiderata e da altri sottoprodotti fisici del processo di ricostruzione di immagine.
“Questi risultati sono largamente applicabili a tutti i ripristino di fase e problema olografico della rappresentazione e questa a struttura basata a profonda dà le possibilità innumerevoli progettare i sistemi coerenti fondamentalmente nuovi della rappresentazione, misuranti le parti differenti dello spettro elettromagnetico, compreso le lunghezze d'onda e perfino i raggi x visibili,„ ha detto Ozcan, che egualmente è un professore di HHMI al Howard Hughes Medical Institute.
Un altro vantaggio di nuovo approccio era che è stato raggiunto senza alcuna modellistica dell'interazione luce-materia o una soluzione dell'equazione di onda, che può essere provocatoria e che richiede tempo modellare e calcolare per ogni campione determinato e formarsi di indicatore luminoso.
“Questo è un risultato emozionante poiché a metodi basati a fisica tradizionali di ricostruzione dell'ologramma sono stati sostituiti tramite ad un approccio di calcolo basato a profonda,„ Rivenson ha detto.
Altri membri del gruppo erano ricercatori Harun Günaydin e Da Teng, entrambi i membri del UCLA del laboratorio di Ozcan.
Il secondo studio, pubblicato nel giornale Optica, i ricercatori ha usato la stessa struttura d'apprendimento per migliorare la risoluzione e la qualità delle immagini microscopiche ottiche.
Che l'avanzamento potrebbe aiutare gli esperti in diagnosi o i patologi che cercano le anomalie molto su scala ridotta in un grande campione di tessuto o di sangue e Ozcan ha detto che rappresenta le opportunità potenti affinchè in profondità imparare migliorasse la microscopia ottica per i sistemi diagnostici medici ed altri campi nell'assistenza tecnica e nelle scienze.