哥德堡大學科研團隊近日開發(fā)出了一項 AI 工具，能夠幫助分析顯示器拍攝的圖像。這項 AI 工具已經(jīng)得到了國際認可，有望對現(xiàn)有顯微鏡產(chǎn)生質(zhì)的變化，并為科研和工業(yè)領(lǐng)域的研究鋪平道路。

　　該研究的主要作者、物理學博士生 Benjamin Midtvedt 表示：“深度學習已經(jīng)風靡全球，對很多行業(yè)、部門和科學領(lǐng)域都產(chǎn)生了巨大的影響。我們現(xiàn)在已經(jīng)開發(fā)出一種工具，利用深度學習來分析和探索顯微鏡拍攝的圖像”。

　　深度學習可以被描述為一種數(shù)學模型，用于解決使用傳統(tǒng)算法方法難以解決的問題。在顯微鏡中，巨大的挑戰(zhàn)是如何從數(shù)據(jù)打包的圖像中檢索出盡可能多的信息，這也是深度學習被證明非常有效的地方。

　　Midtvedt 和他的研究同事開發(fā)的工具涉及神經(jīng)網(wǎng)絡學習，通過查看大量的圖像，即所謂的訓練數(shù)據(jù)，準確地從圖像中檢索出研究人員想要的信息。與必須手動制作訓練數(shù)據(jù)相比，該工具簡化了制作訓練數(shù)據(jù)的過程，因此可以在一個小時內(nèi)生成數(shù)萬張圖像，而不是一個月內(nèi)生成一百張。

　　Midtvedt 表示：“這使得從顯微鏡圖像中快速提取更多的細節(jié)成為可能，而不需要用傳統(tǒng)方法創(chuàng)建一個復雜的分析。此外，結(jié)果是可重復的，并且可以為特定目的檢索定制的特定信息”。

　　例如，該工具允許用戶決定非常小的顆粒的大小和材料特征，并輕松地對細胞進行計數(shù)和分類。研究人員已經(jīng)證明，該工具可以被需要凈化排放的行業(yè)使用，因為他們可以實時看到所有不需要的顆粒是否已經(jīng)被過濾掉。研究人員希望，未來該工具可以用來跟蹤細胞中的感染情況，并繪制細胞防御機制圖，這將為新的藥物和治療方法帶來巨大的可能性。

　　他表示：“我們已經(jīng)看到國際社會對該工具產(chǎn)生了重大興趣。無論面臨怎樣的微觀挑戰(zhàn)，研究人員現(xiàn)在可以更容易地進行分析，做出新的發(fā)現(xiàn)，實施想法，并在其領(lǐng)域內(nèi)開辟新的領(lǐng)域”。