Investigadores de la Escuela de Ingeniería Samueli de UCLA han demostrado que el aprendizaje profundo, una forma poderosa de inteligencia artificial, puede discernir y mejorar detalles microscópicos en fotos tomadas con teléfonos inteligentes. La técnica mejora tanto la resolución y los detalles de color de las imágenes de teléfonos inteligentes que se acercan a la calidad de las imágenes de microscopios de laboratorio.

El avance podría ayudar a llevar diagnósticos médicos de alta calidad a regiones con escasos recursos. donde las personas de otro modo no tienen acceso a tecnologías de diagnóstico de alta gama. Y la técnica utiliza accesorios que se pueden producir de forma económica con una impresora 3-D, a menos de $ 100 la pieza, frente a los miles de dólares que costaría comprar equipos de laboratorio que produzcan imágenes de calidad similar.

Las cámaras de los teléfonos inteligentes actuales están diseñadas para fotografiar personas y paisajes, no producir imágenes microscópicas de alta resolución. Entonces, los investigadores desarrollaron un accesorio que se puede colocar sobre la lente del teléfono inteligente para aumentar la resolución y la visibilidad de los pequeños detalles de las imágenes que toman. hasta una escala de aproximadamente una millonésima de metro.

Pero eso solo resolvió parte del desafío, porque ningún accesorio sería suficiente para compensar la diferencia de calidad entre los sensores de imagen y las lentes de las cámaras de los teléfonos inteligentes y los de los equipos de laboratorio de alta gama. La nueva técnica compensa la diferencia mediante el uso de inteligencia artificial para reproducir el nivel de resolución y los detalles de color necesarios para un análisis de laboratorio.

La investigación fue dirigida por Aydogan Ozcan, Catedrático de Canciller de Ingeniería Eléctrica e Informática y Bioingeniería, y Yair Rivenson, un becario postdoctoral de UCLA. El grupo de investigación de Ozcan ha introducido varias innovaciones en microscopía móvil y detección, y mantiene un enfoque particular en el desarrollo de sensores y diagnósticos médicos portátiles para áreas de escasos recursos.

"Con el aprendizaje profundo, Nos propusimos cerrar la brecha en la calidad de imagen entre los microscopios económicos basados ​​en teléfonos móviles y los microscopios de sobremesa estándar de oro que utilizan lentes de alta gama. ", Dijo Ozcan." Creemos que nuestro enfoque es ampliamente aplicable a otros sistemas de microscopía de bajo costo que utilizan, por ejemplo, lentes o cámaras económicas, y podría facilitar el reemplazo de microscopios de sobremesa de alta gama con rentables, alternativas móviles ".

Agregó que la nueva técnica podría encontrar numerosas aplicaciones en la salud global, aplicaciones relacionadas con la telemedicina y el diagnóstico.

Los investigadores tomaron imágenes de muestras de tejido pulmonar, frotis de sangre y Papanicolaou, primero usando un microscopio estándar de laboratorio, y luego con un teléfono inteligente con el accesorio de microscopio impreso en 3D. Luego, los investigadores introdujeron los pares de imágenes correspondientes en un sistema informático que "aprende" cómo mejorar rápidamente las imágenes de los teléfonos móviles. El proceso se basa en un código informático basado en el aprendizaje profundo, que fue desarrollado por los investigadores de UCLA.

Para ver si su técnica funcionaría en otros tipos de imágenes de menor calidad, Los investigadores utilizaron el aprendizaje profundo para realizar con éxito transformaciones similares con imágenes que habían perdido algunos detalles porque se comprimieron para una transmisión más rápida a través de una red informática o un almacenamiento más eficiente.

El estudio fue publicado en Fotónica ACS , una revista de la American Chemical Society. Se basa en estudios previos del grupo de Ozcan que utilizaron el aprendizaje profundo para reconstruir hologramas y mejorar la microscopía.