Deep learning demokratiserer billedbehandling i nanoskala

Mange problemer inden for fysiske og biologiske videnskaber samt teknik er afhængige af vores evne til at overvåge objekter eller processer i nanoskala, og fluorescensmikroskopi har været brugt i årtier som en af ​​vores mest nyttige informationskilder, fører til forskellige opdagelser om den indre virkning af nanoskala processer, for eksempel på subcellulært niveau. Billeddannelse af sådanne nanoskalaobjekter kræver ofte temmelig dyr og delikat instrumentering, også kendt som nanoskopiverktøjer, som kun kan tilgås af fagfolk i laboratorier med ressourcer.

For at demokratisere adgangen til højopløselig fluorescensbilleddannelse og være i stand til at løse og overvåge objekter i nano-skala, UCLA -forskere har udviklet en ny metode, baseret på kunstig intelligens, til digitalt at transformere fluorescensbilleder erhvervet ved hjælp af en lavere opløsning og et enklere mikroskop til billeder, der matcher opløsningen og kvaliteten af ​​højere opløsning og avancerede mikroskoper, der er bygget til billedbehandling i nano-skala. For at opnå denne transformation, et kunstigt neuralt netværk trænes af tusinder af billedpar (lavere opløsning vs. billeder med højere opløsning af de samme prøver), lære det dybe neurale netværk krydsmodalitetens billedtransformation fra et meget enklere og billigere mikroskop til et avanceret nanoskop. Når uddannelsen er gennemført, det dybe neurale netværk kan blindt optage et billede af den lavere opløsning og enklere mikroskop for digitalt at superopløse funktionerne i de nanoskopiske objekter i prøven, matchende ydelsen af ​​et meget mere avanceret nanoskopiinstrument.

Dette værk blev offentliggjort i Naturmetoder , et tidsskrift for Springer Nature Publishing Group. Denne forskning blev ledet af Dr. Aydogan Ozcan, en associeret direktør for UCLA California NanoSystems Institute (CNSI) og kanslerens professor i elektrisk og computerteknik ved UCLA Henry Samueli School of Engineering and Applied Science. Hongda Wang, en UCLA -kandidatstuderende, og Yair Rivenson, en UCLA postdoktor, er undersøgelsens første forfattere.

Denne ramme for nanoskopisk billedtransformation bygger broer på tværs af forskellige billeddannelsesmetoder og -instrumenter, og dens succes blev demonstreret ved superopløsning af forskellige biologiske celler og vævsprøver, matchende billedopløsningen for meget mere avancerede fluorescens -nanoskopiværktøjer ved hjælp af meget enklere og mere tilgængelige mikroskoper. Desuden, denne teknik tillader billeddannelse af dynamiske begivenheder i nanoskala over en meget større prøvevolumen, samtidig reducerer de giftige virkninger af belysningsfotoner på levende organismer og celler.

"Vores arbejde viser et betydeligt skridt fremad i beregningsmikroskopi, som kan bidrage til at demokratisere superopløsningsbilleddannelse ved at muliggøre nye biologiske observationer på nanoskala ud over veludstyrede laboratorier og institutioner, "sagde Ozcan.

Andre medlemmer af forskerholdet var Yiyin Jin, Zhensong Wei, Ronald Gao, Harun Günaydin, medlemmer af Ozcan Research Lab ved UCLA, samt Dr. Laurent A. Bentolila, direktøren for CNSI Advanced Microscopy Facility ved UCLA og Dr. Comert Kural, en adjunkt ved Institut for Fysik ved Ohio State University.

Ozcan lab understøttes af NSF, HHMI og Koc Group. Billedeksperimenter blev udført på Advanced Light Microscopy/Spectroscopy Laboratory på CNSI og på Advanced Imaging Center på Janelia Research Campus.