人工智能增强超分辨率显微镜

科技

 0  176

积分：13

人工智能在超分辨率显微镜方面的应用正在日益受到关注。最近，德累斯顿-罗森多夫海姆霍兹中心（HZDR）下属高级系统理解中心（CASUS）的研究人员与伦敦帝国学院和伦敦大学学院的同行合作，提出了一种名为条件变分扩散模型（CVDM）的新开源算法。这一基于生成式人工智能的模型通过从随机性中重构图像来提高图像质量，并计算成本较低，易于适用于各种应用。

随着大数据和新数学数据科学方法的出现，研究人员致力于利用逆问题方法解释生物学、医学或环境科学中尚未能解释的现象。逆问题涉及恢复导致某些观测结果的因果因素。例如，有一幅灰度图像，想要恢复颜色。通常情况下，会有几个有效的解决方案，如灰度图像中的浅蓝色和浅红色看起来相同。因此，逆问题的解决方案可以是具有浅蓝色或浅红色衬衣的图像。

生成式人工智能模型是解决逆问题的强大工具之一。这些模型通常学习给定训练数据集中数据的潜在分布。其中一种特殊的模型家族是扩散模型，它们从基本噪声开始进行迭代数据生成过程。然而，传统的扩散模型存在计算昂贵的问题。不过，CASUS的研究人员提出的条件变分扩散模型通过降低计算工作量，使得扩散模型更加节能。

传统的扩散模型对预定义调度的选择非常敏感，而新的CVDM模型则在训练阶段就能找到最佳的训练方式。研究人员证明了CVDM模型在超分辨率显微镜等科学问题上的适用性，取得了可比甚至更好的结果。该模型还具有直接提示重建不确定性的能力，这在新实验和模拟中具有重要意义。总体而言，这项研究展示了生成式人工智能在科学领域中的潜力，为解决逆问题提供了新的思路。

0 收藏分享举报