El aprendizaje profundo es una herramienta potencial para que los científicos obtengan más detalles de imágenes de baja resolución en microscopía, pero a menudo es difícil recopilar suficientes datos de referencia para capacitar a las computadoras en el proceso. Ahora, un nuevo método desarrollado por científicos del Instituto Salk podría hacer que la tecnología sea más accesible, al tomar imágenes de alta resolución, y degradarlos artificialmente.

La nueva herramienta que los investigadores denominan "crappifier, "podría facilitar significativamente a los científicos la obtención de imágenes detalladas de células o estructuras celulares que anteriormente eran difíciles de observar porque requieren condiciones de poca luz, como las mitocondrias, que se pueden dividir cuando son estresados ​​por los láseres utilizados para iluminarlos. También podría ayudar a democratizar la microscopía, permitiendo a los científicos capturar imágenes de alta resolución incluso si no tienen acceso a microscopios potentes. Los hallazgos fueron publicados el 8 de marzo de 2021, en el diario Métodos de la naturaleza .

"Invertimos millones de dólares en estos microscopios, y todavía estamos luchando por superar los límites de lo que pueden hacer, "dice Uri Manor, director de Waitt Advanced Biophotonics Core Facility en Salk. "Ese es el problema que estábamos tratando de resolver con el aprendizaje profundo".

El aprendizaje profundo es un tipo de inteligencia artificial (IA) en la que los algoritmos informáticos aprenden y mejoran mediante el estudio de ejemplos. Para utilizar el aprendizaje profundo para mejorar las imágenes microscópicas, ya sea mejorando la resolución (nitidez) o reduciendo el "ruido" de fondo, el sistema necesitaría mostrar muchos ejemplos de imágenes de alta y baja resolución. Eso es un problema, porque capturar imágenes microscópicas perfectamente idénticas en dos exposiciones separadas puede ser difícil y costoso. Es especialmente desafiante cuando se obtienen imágenes de células vivas que podrían estar moviéndose durante el proceso.

Ahí es donde entra la mierda. Según Manor, el método toma imágenes de alta calidad y las degrada computacionalmente, para que se parezcan a las imágenes de baja resolución más bajas que obtendría el equipo.

El equipo de Manor mostró imágenes de alta resolución y sus contrapartes degradadas del software de aprendizaje profundo, llamada súper resolución de escaneo de puntos, o PSSR. Después de estudiar las imágenes degradadas, el sistema pudo aprender a mejorar las imágenes que eran naturalmente de mala calidad.

Eso es significativo porque, en el pasado, Los sistemas informáticos que aprendían a partir de datos degradados artificialmente todavía tenían problemas cuando se les presentaban datos sin procesar del mundo real.

"Probamos varios métodos de degradación diferentes, y encontramos uno que realmente funciona "Manor dice." Puedes entrenar un modelo con tus datos generados artificialmente, y en realidad funciona con datos del mundo real ".

"Utilizando nuestro método, las personas pueden beneficiarse de este poderoso tecnología de aprendizaje profundo sin invertir mucho tiempo o recursos, "dice Linjing Fang, especialista en análisis de imágenes en Waitt Advanced Biophotonics Core Facility, y autor principal del artículo. "Puede utilizar datos preexistentes de alta calidad, degradarlo, y entrenar un modelo para mejorar la calidad de una imagen de menor resolución ".

El equipo demostró que PSSR funciona tanto en microscopía electrónica como con imágenes de células vivas de fluorescencia, dos situaciones en las que puede ser extraordinariamente difícil o imposible obtener las imágenes duplicadas de alta y baja resolución necesarias para entrenar sistemas de IA. Si bien el estudio demostró el método en imágenes de tejido cerebral, Manor espera que pueda aplicarse a otros sistemas del cuerpo en el futuro.

También espera que algún día se pueda utilizar para hacer que las imágenes microscópicas de alta resolución sean más accesibles. En la actualidad, los microscopios más potentes del mundo pueden costar más de un millón de dólares, debido a la ingeniería de precisión necesaria para crear imágenes de alta resolución. "Una de nuestras visiones para el futuro es poder comenzar a reemplazar algunos de esos costosos componentes con aprendizaje profundo, "Manor dice, "Para que podamos empezar a hacer microscopios más baratos y más accesibles".