Un algorithme intelligent nettoie les images en recherchant des indices enfouis dans le bruit – Technoguide

Pour entrer dans le monde des fantastiquement petits, la devise principale est soit un rayon de lumière, soit des électrons.

Les faisceaux puissants, qui donnent des images plus claires, endommagent les spécimens. D’un autre côté, des faisceaux faibles peuvent donner des images bruyantes à faible résolution.

Dans une nouvelle étude publiée dans Nature Machine Intelligence, des chercheurs de l’Université Texas A&M décrivent un algorithme basé sur l’apprentissage automatique qui peut réduire le grain des images à basse résolution et révéler de nouveaux détails qui autrement étaient enfouis dans le bruit.

«Les images prises avec des faisceaux de faible puissance peuvent être bruyantes, ce qui peut cacher des détails visuels intéressants et précieux de spécimens biologiques», a déclaré Shuiwang Ji, professeur agrégé au Département d’informatique et d’ingénierie. “Pour résoudre ce problème, nous utilisons une approche purement informatique pour créer des images à plus haute résolution, et nous avons montré dans cette étude que nous pouvons améliorer la résolution jusqu’à un degré très similaire à ce que vous pourriez obtenir en utilisant un faisceau de route.”

Ji a ajouté que contrairement aux autres algorithmes de débruitage qui ne peuvent utiliser que des informations provenant d’un petit patch de pixels dans une image basse résolution, leur algorithme intelligent peut identifier les modèles de pixels qui peuvent être répartis sur toute l’image bruyante, augmentant son efficacité en tant qu’outil de débruitage. .

Au lieu de compter uniquement sur le matériel du microscope pour améliorer la résolution des images, une technique connue sous le nom de microscopie augmentée utilise une combinaison de logiciels et de matériel pour améliorer la qualité des images. Ici, une image régulière prise au microscope est superposée à une image numérique générée par ordinateur. Cette méthode de traitement d’image promet non seulement de réduire les coûts, mais également d’automatiser l’analyse des images médicales et de révéler des détails que l’œil peut parfois manquer.

Actuellement, un type de logiciel basé sur un algorithme d’apprentissage automatique appelé apprentissage en profondeur s’est avéré efficace pour supprimer le flou ou le bruit des images. Ces algorithmes peuvent être visualisés comme étant constitués de nombreuses couches interconnectées ou étapes de traitement qui prennent une image d’entrée à basse résolution et génèrent une image de sortie à haute résolution.

Dans les techniques de traitement d’image conventionnelles basées sur l’apprentissage en profondeur, le nombre et le réseau entre les couches déterminent le nombre de pixels de l’image d’entrée qui contribuent à la valeur d’un pixel unique dans l’image de sortie. Cette valeur est immuable une fois que l’algorithme d’apprentissage en profondeur a été formé et est prêt à débruiter de nouvelles images. Cependant, Ji a déclaré que la fixation du nombre de pixels d’entrée, techniquement appelée champ récepteur, limite les performances de l’algorithme.

“Imaginez un spécimen ayant un motif répétitif, comme un motif en nid d’abeille. La plupart des algorithmes d’apprentissage en profondeur n’utilisent que des informations locales pour combler les lacunes de l’image créées par le bruit”, a déclaré Ji. “Mais cela est inefficace car l’algorithme est, par essence, aveugle au motif répétitif dans l’image puisque le champ récepteur est fixe. Au lieu de cela, les algorithmes d’apprentissage en profondeur doivent avoir des champs réceptifs adaptatifs qui peuvent capturer les informations dans la structure globale de l’image. . “

Pour surmonter cet obstacle, Ji et ses étudiants ont développé un autre algorithme d’apprentissage en profondeur qui peut modifier dynamiquement la taille du champ réceptif. En d’autres termes, contrairement aux algorithmes antérieurs qui ne peuvent agréger les informations qu’à partir d’un petit nombre de pixels, leur nouvel algorithme, appelé Global Voxel Transformer Networks (GVTNets), peut regrouper les informations d’une plus grande zone de l’image si nécessaire.

Lorsqu’ils ont analysé les performances de leur algorithme par rapport à d’autres logiciels d’apprentissage en profondeur, les chercheurs ont constaté que les GVTNets nécessitaient moins de données d’entraînement et pouvaient mieux débruiter les images que d’autres algorithmes d’apprentissage en profondeur. De plus, les images haute résolution obtenues étaient comparables à celles obtenues à l’aide d’un faisceau lumineux à haute énergie.

Les chercheurs ont noté que leur nouvel algorithme pouvait facilement être adapté à d’autres applications en plus du débruitage, telles que l’imagerie par fluorescence sans étiquette et les conversions 3D en 2D pour l’infographie.

“Nos recherches contribuent au domaine émergent de la microscopie intelligente, où l’intelligence artificielle est parfaitement intégrée au microscope”, a déclaré Ji. «Les algorithmes d’apprentissage en profondeur comme le nôtre nous permettront de transcender potentiellement la limite physique posée par la lumière qui n’était pas possible auparavant. Cela peut être extrêmement précieux pour une myriade d’applications, y compris cliniques, comme l’estimation du stade de progression du cancer et la distinction entre les types de cellules pour le pronostic de la maladie. “

Cette recherche est financée par la National Science Foundation, les National Institutes of Health et la Defense Advanced Research Projects Agency.

Source de l’histoire:

Matériel fourni par l’Université Texas A&M. Original écrit par Vandana Suresh. Remarque: le contenu peut être modifié pour le style et la longueur.

.

Lire plus

A propos Technoguide

Voir aussi

Une nouvelle méthode pourrait faire progresser les applications de nouvelle génération en médecine, en cosmétique et en récupération du pétrole – Technoguide

Les structures liquides – des gouttelettes liquides qui conservent une forme spécifique – sont utiles …

Laisser un commentaire

Votre adresse e-mail ne sera pas publiée. Les champs obligatoires sont indiqués avec *

Défiler vers le haut