Nowa metoda AI poprawia mikroskopię elektronową i rozwiązuje wcześniejsze problemy w biologii.
WarsawNaukowcy z Uniwersytetu w Hongkongu opracowali nową technikę AI nazwaną EMDiffuse, która usprawnia sposób robienia zdjęć przez mikroskopy elektronowe i objętościowe mikroskopy elektronowe. Ta innowacyjna metoda wykorzystuje zaawansowane algorytmy, aby przyspieszyć proces obrazowania, zapewnić lepszą jakość obrazów oraz obsługiwać większe rozmiary próbek.
Kluczowe cechy EMDiffuse to:
- Odtwarzanie obrazów o wysokiej jakości z ultrastrukturalnymi detalami w wysokiej rozdzielczości z zaszumionych lub nisko-rozdzielczych materiałów.
- Unikalne podejście do próbkowania rozwiązań z docelowych rozkładów.
- Dokładność w poprawionej strukturze dzięki procesowi dyfuzji opartej na warunkach.
- Uniwersalność i możliwość adaptacji do różnych zbiorów danych.
EMDiffuse wyróżnia się spośród innych metod głębokiego uczenia się, ponieważ w procesie przywracania obrazów wykorzystuje niskiej jakości obrazy. Dzięki temu podejściu możliwe jest uzyskanie dokładnych i szczegółowych obrazów, które są porównywalne do oryginalnych, wysokiej jakości zdjęć. Unikając rozmycia, EMDiffuse zachowuje istotne detale, które mają kluczowe znaczenie dla badania najmniejszych struktur w komórkach.
EMDiffuse oferuje dwa sposoby na poprawę jakości obrazowania 3D, zwłaszcza w kierunku z. Może wykorzystać dane 3D o takiej samej wysokiej rozdzielczości we wszystkich kierunkach, aby ulepszyć szczegółowe obrazowanie. Alternatywnie, może zastosować technikę zwaną samonadzorowanym uczeniem się, aby poprawić jakość głębi przy użyciu istniejących danych 3D, bez potrzeby specjalnych danych treningowych.
EMDiffuse umożliwia naukowcom badanie kluczowych elementów komórkowych, takich jak mitochondria oraz siateczka śródplazmatyczna (ER). Wyraźne obrazy 3D, które generuje, pozwalają zobaczyć szczegóły, takie jak struktury mitochondrialne oraz interakcje między mitochondriami a ER, które są trudne do zaobserwowania na mniej szczegółowych obrazach.
EMDiffuse znajduje zastosowanie nie tylko w biologii. Metody sztucznej inteligencji, które stosuje, mogą również zrewolucjonizować inne dziedziny wymagające szczegółowych obrazów, takie jak nauka o materiałach i nanotechnologia.
EMDiffuse można stosować na różnych zbiorach danych, nie wymagając przy tym dużych modyfikacji, co czyni go elastycznym narzędziem w wielu dziedzinach badawczych. W miarę postępu tej technologii możliwe będzie odkrywanie nowych szczegółów w systemach biologicznych, które wcześniej były trudne do zbadania. Ten rozwój obrazowania w mikroskopii elektronowej może prowadzić do znaczącego postępu w wielu dziedzinach nauki, dostarczając szczegółowych widoków świata w skali nanometrów.
Rozwój EMDiffuse stanowi znaczący krok naprzód w dziedzinie EM i vEM, umożliwiając dokładniejsze i bardziej szczegółowe badania złożonych systemów biologicznych. W miarę jak badacze udoskonalają tę technologię, prawdopodobnie znajdzie ona zastosowanie w wielu dziedzinach nauki.
Badanie jest publikowane tutaj:
http://dx.doi.org/10.1038/s41467-024-49125-zi jego oficjalne cytowanie - w tym autorzy i czasopismo - to
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-z20 listopada 2024 · 17:56
Przełom w AI: Maszyny uczą się rozróżniać tekstury powierzchni dzięki technologii kwantowej
18 listopada 2024 · 14:36
Precyzyjne badanie zachowań myszy dzięki AI i mniejszej liczbie zwierząt w eksperymencie
16 listopada 2024 · 17:49
Badania nad zwiększeniem zaufania pasażerów do autonomicznych pojazdów dzięki XAI i nowym strategiom
Udostępnij ten artykuł