深度学习将智能手机显微镜转变为实验室级设备

在研究工程的加州大学洛杉矶分校塞缪尔学校已经证明了深度学习，人工智能的强大的形式，可以识别和增强的智能手机通过拍摄的照片微观细节。该技术极大地提高了智能手机图像的分辨率和色彩细节，使其接近实验室级显微镜的图像质量。

这一进展可能有助于将高质量的医疗诊断技术带入资源匮乏的地区，否则人们将无法获得高端的诊断技术。而且该技术使用的附件可以用3D打印机便宜地生产，每件不到100美元，而购买能产生类似质量图像的实验室级设备则要花费数千美元。

当今智能手机上的相机旨在拍摄人物和风景，而不是产生高分辨率的显微图像。因此，研究人员开发了一种附件，可以将其放置在智能手机镜头上，以提高分辨率和可视性，从而将所拍摄图像的微小细节减小到大约百万分之一米。

但这只是解决了部分挑战，因为没有附件足以弥补智能手机相机的图像传感器和镜头与高端实验室设备的图像传感器和镜头之间的质量差异。这项新技术通过使用人工智能来重现实验室分析所需的分辨率和颜色细节级别，从而弥补了差异。

这项研究由电气与计算机工程与生物工程学教授Aydogan Ozcan和加州大学洛杉矶分校的博士后学者Yair Rivenson领导。奥兹坎(Ozcan)的研究小组在移动显微镜和传感技术方面进行了多项创新，并且一直特别关注为资源贫乏地区开发便携式便携式医疗诊断和传感器。

Ozcan说：“通过深度学习，我们开始弥合廉价的基于手机的显微镜与使用高端透镜的金标准台式显微镜之间的图像质量差距。” “我们相信，我们的方法可广泛应用于使用低成本透镜或照相机的其他低成本显微镜系统，并且可以促进以经济高效的移动替代品替代高端台式显微镜。”

他补充说，新技术可以在全球卫生，远程医疗和诊断相关应用中找到许多应用。

研究人员首先使用标准的实验室级显微镜拍摄肺组织样本，血液和巴氏涂片的图像，然后使用带有3D打印显微镜附件的智能手机拍摄图像。然后，研究人员将成对的对应图像输入计算机系统，以“学习”如何快速增强手机图像。该过程依赖于由UCLA研究人员开发的基于深度学习的计算机代码。

为了了解他们的技术是否适用于其他类型的低质量图像，研究人员使用深度学习成功地对图像进行了类似的转换，这些图像丢失了一些细节，因为它们被压缩后可以通过计算机网络更快地传输或更有效地存储。

这项研究发表在化学学会杂志ACS Photonics上。它建立在Ozcan小组以前的研究的基础上，该研究使用深度学习来重建全息图并改善显微镜。

Ozcan还在UCLA的David Geffen医学院的外科系任教，并且是加利福尼亚纳米系统研究所的副主任。

该论文的其他作者是加州大学洛杉矶分校的Hatice Ceylan Koydemir，王洪达，魏振松，任正双，HarunGünaydın，Zhang Yibo Zhang，ZoltánGöröcs，Kyle Liang和Derek Tseng。

该研究得到了国家科学基金会和霍华德·休斯医学研究所的支持。

郑重声明：本文版权归原作者所有，转载文章仅为传播更多信息之目的，如有侵权行为，请第一时间联系我们修改或删除，多谢。