• 人工智能
  • 基于“增大化现实”技术与虚拟现实
  • 仿生学和机器人
  • 18新利百度文库
  • (生物)技术&
  • 深度学习工具革命性的显微镜

    哥德堡大学(University of Gothenburg)开发的一种人工智能工具为分析显微镜拍摄的图像提供了新的机会。一项研究表明,该工具可以从根本上改变显微镜,并为新的发现和研究和工业领域的使用铺平道路。

    照片"></a>
        <div class= 这张图片展示了如何使用神经网络从显微镜图像中检索感兴趣的信息。
    来源:Aykut拓宽额尔古纳

    研究的重点是深度学习,一种人工智能(AI)和机器学习我们每天都在与之互动,经常不加思索。例如,当Spotify上弹出一首与我们之前听过的歌曲相似的新歌时,或者当我们的手机相机自动找到最佳设置并修改照片的颜色时。

    深度学习席卷了全世界,并对许多行业、部门和科学领域产生了巨大的影响。我们现在已经开发了一种工具,可以专注于显微镜拍摄的图像,利用深度学习的惊人潜力,”物理学博士生、该研究的主要作者本杰明·米德维特(Benjamin Midtvedt)说。

    深度学习可以被描述为一种数学模型,用来解决传统算法方法难以解决的问题。在显微技术中,最大的挑战是从数据压缩的图像中检索尽可能多的信息,这是深度学习被证明非常有效的地方。

    Midtvedt和他的研究同事开发的工具涉及神经网络通过查看大量的图像,学习准确地从图像中检索出研究人员想要的信息,这被称为训练数据。与手工生成训练数据相比,该工具简化了生成训练数据的过程,因此一个小时可以生成数万张图像,而不是一个月生成100张。

    这使得我们能够快速提取出更多的细节显微镜不需要用传统方法创建复杂的分析。此外,结果是可重复的,定制的,特定的信息可以为特定的目的检索。”

    例如,该工具允许用户决定非常小的颗粒的大小和材料特性,并容易计数和分类细胞。研究人员已经证明,该工具可以用于需要净化排放的行业,因为他们可以实时看到所有不需要的颗粒是否已被过滤掉。

    研究人员希望,在未来,该工具可以用来跟踪细胞内的感染,绘制细胞防御机制,这将为新药物和治疗开辟巨大的可能性。“我们已经看到国际上对这一工具非常感兴趣。不管微观上的挑战如何,研究人员现在可以更容易地进行分析,做出新发现,实施想法,在他们的领域中开辟新天地。”

    相关文章

    深度学习可以预测病毒感染">
        </figure></a>
       <div class=

    深度学习可以预测病毒感染

    利用活细胞的荧光图像,研究人员训练了一个人工神经网络来可靠地识别被腺病毒或疱疹病毒感染的细胞。

    神经网络加速了全息成像">
        </figure></a>
       <div class=

    神经网络加速了全息成像

    研究人员开发了一种全息技术,与现有方法相比,可以在高达50倍的加速度下快速重建样品的显微图像。

    通过深度学习筛查糖尿病视网膜"srcset=

    通过深度学习筛查糖尿病视网膜

    Ubotica开发了一种基于深度学习的解决方案,用于检测视网膜图像中糖尿病视网膜病变指标的存在。

    183新利

    183新利

    最近,Surjo R. Soekadar教授概述了脑机接口目前和未来的应用。

    人工智能能够识别结直肠癌的突变"srcset=

    人工智能能够识别结直肠癌的突变

    深度学习算法比现有方法更准确地提取分子路径和关键突变的发展。

    研究人员对人工智能进行心理分析"srcset=

    研究人员对人工智能进行心理分析

    我们可以进行测试和实验,但我们不能总是预测和理解为什么人工智能会做这些事。

    人工智能的进展和风险"srcset=

    人工智能的进展和风险

    一个国际专家小组表示,人工智能已经达到了其进化的一个关键转折点。

    人工智能识别抗COVID-19药物组合"srcset=

    人工智能识别抗COVID-19药物组合

    数据科学家已经使用深度学习来识别正确的协同药物组合,以应对迅速蔓延的SARS-CoV-2。

    深度学习帮助x射线数据在三维可视化">
        </figure></a>
       <div class=

    深度学习帮助x射线数据在三维可视化

    科学家们利用人工智能训练计算机来跟上先进光子源所采集的大量x射线数据。

    受欢迎的文章

    订阅简报
    Baidu