Revolutionerande AI-metod med EMDiffuse förbättrar elektronmikroskopi för komplexa biologiska system.

Lästid: 2 minuter
Av Maria Lopez
- i
Avancerat elektronmikroskop med AI-förbättrad avbildning av biologiska strukturer.

StockholmForskare vid Hongkongs universitet har utvecklat en ny AI-teknik kallad EMDiffuse för att förbättra hur elektronmikroskop och volym-elektronmikroskop tar bilder. Denna nya metod använder avancerade algoritmer för att göra avbildningsprocessen snabbare, producera bilder av högre kvalitet och hantera större provstorlekar.

Huvudfunktioner hos EMDiffuse består av:

  • Återställning av högkvalitativa visuella element med detaljerad ultrastruktur från brusiga eller lågupplösta indata
  • Unik metod för att ta fram lösningar från målpopulationer
  • Precision i förbättrad struktur genom en villkorsbaserad diffusionsprocess
  • Generaliserbarhet och överförbarhet till olika datamängder

EMDiffuse skiljer sig från andra djupinlärningsmetoder eftersom det använder bilder av låg kvalitet genom hela sin bildrestaureringsprocess. Denna metod bidrar till att skapa exakta och detaljerade bilder, vilket gör resultatet likt originalbilder av hög kvalitet. Genom att undvika oskärpa bevarar EMDiffuse viktiga detaljer som är avgörande för att studera små strukturer inom celler.

EMDiffuse erbjuder två sätt att förbättra kvaliteten på 3D-bilder, särskilt i z-riktningen. Det kan använda 3D-data med samma höga upplösning i alla riktningar för att förbättra detaljåtergivningen. Alternativt kan det använda en teknik som kallas självövervakande inlärning för att förbättra djupkvaliteten baserat på befintliga 3D-data, utan att behöva speciell träningsdata.

EMDiffuse underlättar för forskare att studera viktiga delar av cellen som mitokondrier och det endoplasmiska nätverket (ER). Med hjälp av tydliga 3D-bilder kan forskarna observera detaljer som mitokondriernas strukturer och samspelet mellan mitokondrierna och ER, saker som annars är svåra att se med mindre detaljerade bilder.

EMDiffuse har fler användningsområden än bara inom biologin. De AI-metoder som används kan även förändra andra områden som kräver detaljerade bilder, såsom materialvetenskap och nanoteknik.

EMDiffuse kan användas på många olika dataset med minimala justeringar, vilket gör det till ett flexibelt verktyg för olika forskningsområden. I takt med att denna teknik förbättras, kommer den att hjälpa till att upptäcka nya detaljer i biologiska system som tidigare varit svåra att undersöka. Denna förbättring av elektronmikroskopiavbildning kan leda till stora framsteg inom flera vetenskapliga fält och ge detaljerade insikter i nanoskala-världen.

Utvecklingen av EMDiffuse är ett viktigt framsteg för EM och vEM, vilket möjliggör mer exakta och detaljerade studier av komplexa biologiska system. När forskare fortsätter att förbättra denna teknik är det troligt att den kommer att bli användbar inom många vetenskapliga områden.

Studien publiceras här:

http://dx.doi.org/10.1038/s41467-024-49125-z

och dess officiella citering - inklusive författare och tidskrift - är

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-z
Artificiell Intelligens: Senaste nytt

Dela den här artikeln

Kommentarer (0)

Posta en kommentar
NewsWorld

NewsWorld.app är en gratis premium nyhetssida. Vi tillhandahåller oberoende och högkvalitativa nyheter utan att ta betalt per artikel och utan en prenumerationsmodell. NewsWorld anser att allmänna, affärs-, ekonomiska, tekniska och underhållningsnyheter bör vara tillgängliga på en hög nivå gratis. Dessutom är NewsWorld otroligt snabb och använder avancerad teknik för att presentera nyhetsartiklar i ett mycket läsbart och attraktivt format för konsumenten.


© 2024 NewsWorld™. Alla rättigheter reserverade.