Nuova tecnica EMDiffuse rivoluziona la microscopia elettronica per studiare sistemi biologici complessi
RomeGli scienziati dell'Università di Hong Kong hanno sviluppato una nuova tecnica AI chiamata EMDiffuse per migliorare il processo di acquisizione delle immagini con microscopi elettronici e microscopi elettronici a volume. Questo innovativo metodo utilizza algoritmi avanzati per velocizzare il processo, ottenere immagini di qualità superiore e gestire campioni di dimensioni maggiori.
Caratteristiche principali di EMDiffuse:
- Ripristino di immagini di alta qualità con dettagli ultrastrutturali ad alta risoluzione da input rumorosi o a bassa risoluzione
- Metodologia esclusiva di campionamento di soluzioni da distribuzioni obiettivo
- Precisione nella struttura migliorata grazie a un processo di diffusione basato sulle condizioni
- Generalizzabilità e trasferibilità a vari dataset
EMDiffuse si distingue dagli altri metodi di deep learning perché utilizza immagini di bassa qualità durante tutto il processo di restauro. Questa strategia consente di produrre immagini accurate e dettagliate, simili a quelle di alta qualità originali. Evitando l'effetto sfocato, EMDiffuse preserva dettagli cruciali per lo studio delle minuscole strutture cellulari.
EMDiffuse offre due metodi per migliorare la qualità delle immagini 3D, soprattutto nella direzione z. Può utilizzare dati 3D con alta risoluzione uniforme in tutte le direzioni per arricchire i dettagli delle immagini. In alternativa, può impiegare una tecnica chiamata apprendimento auto-supervisionato per migliorare la qualità della profondità utilizzando dati 3D esistenti, senza bisogno di dati di addestramento specifici.
EMDiffuse aiuta i ricercatori a studiare parti cellulari importanti come i mitocondri e il reticolo endoplasmatico (ER). Le immagini tridimensionali nitide che produce permettono agli scienziati di osservare dettagli come le strutture mitocondriali e l'interazione tra mitocondri ed ER, difficili da rilevare con immagini meno dettagliate.
EMDiffuse ha applicazioni che vanno oltre la biologia. Le tecniche di intelligenza artificiale che utilizza potrebbero rivoluzionare anche altri campi che richiedono immagini dettagliate, come la scienza dei materiali e la nanotecnologia.
EMDiffuse può essere applicato a vari dataset senza necessitare di molte regolazioni, rendendolo uno strumento versatile per diversi ambiti di ricerca. Con il miglioramento di questa tecnologia, sarà possibile scoprire nuovi particolari nei sistemi biologici che in precedenza erano difficili da esaminare. Questo avanzamento nell'imaging con microscopia elettronica può portare a significativi progressi in molteplici campi scientifici, offrendo visioni dettagliate del mondo a livello nanometrico.
Lo sviluppo di EMDiffuse rappresenta un significativo progresso per EM e vEM, consentendo studi più precisi e dettagliati su sistemi biologici complessi. Con il miglioramento di questa tecnologia da parte dei ricercatori, è probabile che trovi applicazione in molti campi scientifici.
Lo studio è pubblicato qui:
http://dx.doi.org/10.1038/s41467-024-49125-ze la sua citazione ufficiale - inclusi autori e rivista - è
Chixiang Lu, Kai Chen, Heng Qiu, Xiaojun Chen, Gu Chen, Xiaojuan Qi, Haibo Jiang. Diffusion-based deep learning method for augmenting ultrastructural imaging and volume electron microscopy. Nature Communications, 2024; 15 (1) DOI: 10.1038/s41467-024-49125-zCondividi questo articolo