Advertencia: Esta página es una traducción de esta página originalmente en inglés. Tenga en cuenta ya que las traducciones son generadas por máquinas, no que todos traducción será perfecto. Este sitio Web y sus páginas están destinadas a leerse en inglés. Cualquier traducción de este sitio Web y su páginas Web puede ser imprecisa e inexacta en su totalidad o en parte. Esta traducción se proporciona como una conveniencia.

Los investigadores del UCLA reconstruyen hologramas, aumentan microscopia óptica usando profundamente el aprendizaje de la aproximación

Una forma del aprendizaje de máquina llamada profundamente aprendizaje es una de las tecnologías dominantes detrás de avances recientes en usos como el reconocimiento de voz en tiempo real y la etiqueta automatizada del imagen y video.

La aproximación, que utiliza redes neuronales artificiales de varias capas para automatizar análisis de datos, también ha mostrado la promesa importante para la atención sanitaria: Podría ser utilizada, por ejemplo, para determinar automáticamente anormalidades en las radiografías de los pacientes, las exploraciones del CT y otras imágenes y datos médicos.

En dos nuevos papeles, los investigadores del UCLA denuncian que han desarrollado las nuevas aplicaciones para profundamente aprender: reconstruyendo un holograma para formar una imagen microscópica de un objeto y de perfeccionar microscopia óptica.

Su nueva técnica de proyección de imagen olográfica produce mejores imágenes que los métodos actuales que utilizan hologramas múltiples, y es más fácil ejecutar porque requiere menos mediciones y realiza cómputos más rápidamente.

La investigación fue llevada por Aydogan Ozcan, director adjunto del instituto del UCLA California NanoSystems y del profesor del canciller de eléctrico y ingeniería informática en la escuela del UCLA Henry Samueli de la ingeniería y de la ciencia aplicada; y por el escolar postdoctoral Yair Rivenson y el estudiante de tercer ciclo Yibo Zhang, de los UCLA eléctricos y del departamento de la ingeniería informática.

Para un estudio (pdf), publicado en luz: La ciencia y los usos, los investigadores produjeron hologramas de los prueba Pap, que se utilizan para revisar para el cáncer de cuello del útero, y las muestras de sangre, así como las muestras de tejido del pecho. En cada caso, la red neuronal aprendida para extraer y para separar las características de la imagen verdadera del objeto de interferencia liviana indeseada y de otros subproductos físicos del proceso de reconstrucción de la imagen.

“Estos resultados son ampliamente aplicables a cualquier recuperación de la fase y problema olográfico de la proyección de imagen, y este marco profundo-aprender-basado abre oportunidades innumerables de diseñar fundamental los nuevos sistemas coherentes de la proyección de imagen, atravesando diversas partes del espectro electromágnetico, incluyendo longitudes de onda e incluso radiografías visibles,” dijo a Ozcan, que también es profesor de HHMI en el Howard Hughes Medical Institute.

Otra ventaja de la nueva aproximación era que fue lograda sin ningún modelado de la acción recíproca de la luz-materia o una solución de la ecuación de onda, que puede ser desafiadora y que toma tiempo modelar y calcular para cada muestra individual y formar de la luz.

“Esto es un logro emocionante puesto que los métodos física-basados tradicionales de la reconstrucción del holograma han sido reemplazados por una aproximación de cómputo profundo-aprender-basada,” Rivenson dijo.

Otras piezas de las personas eran investigadores Harun Günaydin y DA Teng, ambas piezas del UCLA del laboratorio de Ozcan.

El segundo estudio, publicado en el gorrón Optica, los investigadores utilizó el mismo marco de profundo-aprendizaje para perfeccionar la resolución y la calidad de imágenes microscópicas ópticas.

Que el avance podría ayudar a los médicos o a los patólogos que buscaban anormalidades muy a escala reducida en una muestra grande de la sangre o de tejido, y a Ozcan dijo que representa las oportunidades potentes para que profundamente el aprendizaje perfeccione la microscopia óptica para los diagnósticos médicos y otros campos en la ingeniería y las ciencias.