Método de IA revolucionario optimiza la microscopía electrónica para sistemas biológicos complejos
MadridCientíficos de la Universidad de Hong Kong han desarrollado una técnica de inteligencia artificial llamada EMDiffuse que mejora la toma de imágenes en microscopios electrónicos y de volumen. Este método innovador utiliza algoritmos avanzados para acelerar el proceso de captura, generar imágenes de mayor calidad y manejar muestras de mayor tamaño.
Características principales de EMDiffuse incluyen:
- Restauración de imágenes de alta calidad con detalles ultrastructurales en alta resolución a partir de entradas ruidosas o de baja resolución
- Enfoque único de muestreo de soluciones a partir de distribuciones objetivo
- Precisión en la mejora de estructuras debido a un proceso de difusión basado en condiciones
- Generalizabilidad y transferibilidad a diversos conjuntos de datos
EMDiffuse se distingue de otros métodos de aprendizaje profundo porque utiliza imágenes de baja calidad a lo largo de su proceso de restauración de imágenes. Esta técnica permite crear imágenes precisas y detalladas, haciéndolas parecerse a las originales de alta calidad. Al evitar la borrosidad, EMDiffuse preserva detalles importantes que son cruciales para el estudio de pequeñas estructuras dentro de las células.
EMDiffuse ofrece dos métodos para mejorar la calidad de las imágenes 3D, especialmente en la dirección z. Puede utilizar datos 3D con la misma alta resolución en todas las direcciones para realzar los detalles de las imágenes. Alternativamente, emplea una técnica llamada aprendizaje auto-supervisado para mejorar la profundidad usando datos 3D existentes, sin necesidad de datos de entrenamiento especiales.
EMDiffuse facilita a los investigadores el estudio de partes celulares cruciales como las mitocondrias y el retículo endoplásmico (RE). Las nítidas imágenes en 3D que genera permiten a los científicos observar detalles como las estructuras mitocondriales y la interacción entre las mitocondrias y el RE, algo difícil de apreciar con imágenes menos detalladas.
EMDiffuse tiene aplicaciones más allá de la biología. Los métodos de IA que utiliza podrían revolucionar otros campos que necesitan imágenes detalladas, como la ciencia de materiales y la nanotecnología.
EMDiffuse puede aplicarse a numerosos conjuntos de datos sin necesidad de grandes ajustes, lo que lo convierte en una herramienta versátil para diversas áreas de investigación. A medida que avanza esta tecnología, permitirá descubrir nuevos detalles en sistemas biológicos que antes eran difíciles de investigar. Esta mejora en la imagenología por microscopía electrónica puede producir un gran avance en varios campos científicos, proporcionando vistas detalladas del mundo a escala nanométrica.
El desarrollo de EMDiffuse marca un avance significativo para EM y vEM, permitiendo estudios más precisos y detallados de sistemas biológicos complejos. A medida que los investigadores mejoren esta tecnología, es probable que se vuelva útil en numerosos campos científicos.
El estudio se publica aquí:
http://dx.doi.org/10.1038/s41467-024-49125-zy su cita oficial - incluidos autores y revista - es
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-z19 de noviembre de 2024 · 20:02
IA eficiente en movimiento: modelos de lenguaje optimizados para dispositivos móviles y laptops
18 de noviembre de 2024 · 9:36
Precisión en estudios de comportamiento de ratones mejorada con IA y menos animales
18 de noviembre de 2024 · 7:24
La IA detecta rápidamente tumores cerebrales difíciles en cirugía con tecnología de FastGlioma
Compartir este artículo