Микроскопы, выполненные на базе смартфона, могут использоваться как лабораторное оборудование
By LabMedica International staff writers Posted on 03 May 2018 |
Распечатанные на 3D-принтере устройства могут захватывать микроскопические изображения, будучи прикрепленными к объективу камеры смартфона (фото любезно предоставлено Ozcan Research Group/UCLA).
Мобильные телефоны способствуют созданию портативных, экономически эффективных технологий визуализации и зондирования, которые соответствуют характеристикам инструментов лабораторного уровня. Тем не менее интерфейсы оптической визуализации мобильных телефонов не предназначены для микроскопии и производят искажения в изображениях микроскопических образцов.
Недавно было продемонстрировано, что глубокое обучение, мощная форма искусственного интеллекта, способна различать и улучшать микроскопические детали на фотографиях, полученных со смартфонов. Эта технология улучшает цветную детализацию изображений смартфонов настолько, что они приближаются к качеству изображений из лабораторных микроскопов.
Биоинженеры из Инженерной школы Самуэли Калифорнийского университета (Samueli School of Engineering, University of California; Лос-Анджелес, штат Калифорния, США) сфотографировали изображения образцов ткани легких, мазков крови и Папаниколау, сначала используя стандартный лабораторный микроскоп, а затем с помощью смартфона с приспособлением для микроскопа, выполненным с помощью 3D-печати. Затем ученые передали пары соответствующих изображений в компьютерную систему, которая обучается быстро улучшать изображения с мобильных телефонов. Этот процесс базируется на разработанном учеными компьютерном коде, основанном на глубоком обучении.
Использование глубокого обучения для исправления таких искажений, создаваемых микроскопами на основе мобильных телефонов, облегчает получение изображений с высоким разрешением, низким уровнем шумов и скорректированным цветом, что соответствует производительности настольных микроскопов с объективами высокого класса, а также расширяет их ограниченную глубину резкости. После тренировки сверточной нейронной сети они успешно отображали различные образцы, в том числе тканей человека, мазков Папаниколау и крови, где записанные изображения были сильно сжаты, чтобы облегчить хранение и передачу. Для реализации этой техники используются приспособления, которые могут быть недорого изготовлены с помощью 3D-принтера и оцениваются менее чем в 100 долларов США за штуку, в сравнении с тысячами долларов, за которые можно приобрести лабораторное оборудование, которое производит изображения такого же качества.
Доктор философии Айдоган Озкан (Aydogan Ozcan), профессор электротехники и вычислительной техники и биоинженерии, сказал: "Используя глубокое обучение, мы решили преодолеть разрыв в качестве изображения между недорогими микроскопами на базе мобильных телефонов и эталонными настольными микроскопами, использующими высококлассные объективы. Мы считаем, что наш подход широко применим к другим недорогим системам микроскопии, которые используют, например, недорогие объективы или камеры, и это может облегчить замену высококачественных настольных микроскопов экономичными мобильными альтернативами". Исследование было опубликовано онлайн 15 марта 2018 года в журнале ACS Photonics.
Ссылки по теме:
Инженерная школа Самуэли, Калифорнийский университет
Недавно было продемонстрировано, что глубокое обучение, мощная форма искусственного интеллекта, способна различать и улучшать микроскопические детали на фотографиях, полученных со смартфонов. Эта технология улучшает цветную детализацию изображений смартфонов настолько, что они приближаются к качеству изображений из лабораторных микроскопов.
Биоинженеры из Инженерной школы Самуэли Калифорнийского университета (Samueli School of Engineering, University of California; Лос-Анджелес, штат Калифорния, США) сфотографировали изображения образцов ткани легких, мазков крови и Папаниколау, сначала используя стандартный лабораторный микроскоп, а затем с помощью смартфона с приспособлением для микроскопа, выполненным с помощью 3D-печати. Затем ученые передали пары соответствующих изображений в компьютерную систему, которая обучается быстро улучшать изображения с мобильных телефонов. Этот процесс базируется на разработанном учеными компьютерном коде, основанном на глубоком обучении.
Использование глубокого обучения для исправления таких искажений, создаваемых микроскопами на основе мобильных телефонов, облегчает получение изображений с высоким разрешением, низким уровнем шумов и скорректированным цветом, что соответствует производительности настольных микроскопов с объективами высокого класса, а также расширяет их ограниченную глубину резкости. После тренировки сверточной нейронной сети они успешно отображали различные образцы, в том числе тканей человека, мазков Папаниколау и крови, где записанные изображения были сильно сжаты, чтобы облегчить хранение и передачу. Для реализации этой техники используются приспособления, которые могут быть недорого изготовлены с помощью 3D-принтера и оцениваются менее чем в 100 долларов США за штуку, в сравнении с тысячами долларов, за которые можно приобрести лабораторное оборудование, которое производит изображения такого же качества.
Доктор философии Айдоган Озкан (Aydogan Ozcan), профессор электротехники и вычислительной техники и биоинженерии, сказал: "Используя глубокое обучение, мы решили преодолеть разрыв в качестве изображения между недорогими микроскопами на базе мобильных телефонов и эталонными настольными микроскопами, использующими высококлассные объективы. Мы считаем, что наш подход широко применим к другим недорогим системам микроскопии, которые используют, например, недорогие объективы или камеры, и это может облегчить замену высококачественных настольных микроскопов экономичными мобильными альтернативами". Исследование было опубликовано онлайн 15 марта 2018 года в журнале ACS Photonics.
Ссылки по теме:
Инженерная школа Самуэли, Калифорнийский университет