Attenzione: questa pagina è una traduzione automatica di questa pagina originariamente in lingua inglese. Si prega di notare in quanto le traduzioni sono generate da macchine, non tutte le traduzioni saranno perfetti. Questo sito web e le sue pagine web sono destinati ad essere letto in inglese. Ogni traduzione del sito e le sue pagine web possono essere imprecise e inesatte, in tutto o in parte. Questa traduzione è fornita per comodità.

I ricercatori del UCLA ricostruiscono gli ologrammi, migliorano la microscopia ottica facendo uso in profondità dell'apprendimento dell'approccio

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.