header-logo

Comunicações de marketing orientadas por inteligência artificial

iCrowdNewswire Portuguese

Os engenheiros da UCLA usam aprendizado profundo para reconstruir hologramas e melhorar a microscopia óptica

Nov 30, 2017 8:36 PM ET

Uma forma de aprendizagem em máquina chamada aprendizagem profunda é uma das principais tecnologias por trás de avanços recentes em aplicativos como reconhecimento de voz em tempo real e etiquetagem automática de imagens e vídeos.

A abordagem, que utiliza redes neurais artificiais de várias camadas para automatizar a análise de dados, também mostrou uma promessa significativa para os cuidados de saúde: poderia ser usado, por exemplo, para identificar automaticamente anormalidades nos raios-X de pacientes, tomografias e outras imagens médicas e dados.

Em dois novos artigos, pesquisadores da UCLA relatam que desenvolveram novos usos para o aprendizado profundo: reconstruir um holograma para formar uma imagem microscópica de um objeto e melhorar o microscópio óptico.

Sua nova técnica de imagem holográfica produz imagens melhores que os métodos atuais que usam hologramas múltiplos, e é mais fácil de implementar porque requer menos medições e executa cálculos mais rapidamente.

A pesquisa foi liderada por Aydogan Ozcan, diretor associado do UCLA California NanoSystems Institute e professor de engenharia elétrica e informática do chanceler na UCLA Henry Samueli School of Engineering and Applied Science ; e pelo avaliador pós-doutorado Yair Rivenson e estudante de pós-graduação Yibo Zhang, ambos do departamento de engenharia e informática da UCLA.

Para um estudo (PDF), publicado em Light: Science and Applications, os pesquisadores produziram hologramas de esfregaços de Papanicolau, que são usados ​​para pesquisar câncer cervical e amostras de sangue, bem como amostras de tecido mamário. Em cada caso, a rede neural aprendeu a extrair e separar os recursos da imagem verdadeira do objeto de interferência de luz indesejada e de outros subprodutos físicos do processo de reconstrução de imagem.

“Esses resultados são amplamente aplicáveis ​​a qualquer problema de recuperação de fase e de imagem holográfica, e esta estrutura baseada em aprendizagem profunda abre inúmeras oportunidades para projetar sistemas de imagem coerentes, fundamentalmente novos, abrangendo diferentes partes do espectro eletromagnético, incluindo comprimentos de onda visíveis e até mesmo X- raios “, disse Ozcan, que também é professor da HHMI no Howard Hughes Medical Institute.

Outra vantagem da nova abordagem foi que ele foi alcançado sem qualquer modelagem de interação luz-matéria ou uma solução da equação de onda, que pode ser desafiadora e demorada para modelar e calcular para cada amostra individual e forma de luz.

“Esta é uma conquista emocionante, uma vez que os métodos tradicionais de reconstrução de holograma baseados em física foram substituídos por uma abordagem computacional baseada em aprendizagem profunda”, disse Rivenson.

Outros membros da equipe foram pesquisadores da UCLA, Harun Günaydin e Da Teng, ambos membros do laboratório de Ozcan .

O segundo estudo , publicado na revista Optica, utilizou o mesmo quadro de aprendizagem profunda para melhorar a resolução e a qualidade das imagens microscópicas ópticas.

Esse avanço poderia ajudar diagnósticos ou patologistas a procurar anormalidades de pequena escala em uma grande amostra de sangue ou tecido e Ozcan disse que representa as poderosas oportunidades de aprendizado profundo para melhorar a microscopia óptica para diagnósticos médicos e outros campos na engenharia e nas ciências.

A pesquisa da Ozcan é apoiada pela Fundação Nacional de Ciência, com base em tecnologias precisas avançadas e sistemas de saúde para populações mal atendidas e pela NSF, bem como o Escritório de Pesquisa do Exército, os Institutos Nacionais de Saúde, o Instituto Médico Howard Hughes, a Fundação Vodafone Américas e a Fundação Mary Kay.

Contato com a mídia

See Campaign: http://newsroom.ucla.edu/releases/ucla-engineers-use-deep-learning-to-reconstruct-holograms-and-improve-optical-microscopy
Contact Information:
Nikki Lin
310-206-8278
[email protected]

Tags:
, Wire, Artificial Intelligence Newswire, United States, Portuguese

image


Keywords:  afds, afdsafds

Tags:  News