Pembelajaran mesin menghasilkan model 3D dari gambar 2D – ScienceDaily


Para peneliti di McKelvey School of Engineering di Washington University di St. Louis telah mengembangkan algoritme pembelajaran mesin yang dapat membuat model sel 3D berkelanjutan dari subset gambar 2D yang diambil menggunakan alat mikroskop standar yang sama yang digunakan saat ini yang ditemukan di banyak laboratorium.

Temuan mereka diterbitkan dalam jurnal pada 16 September Kecerdasan Mesin Alam.

“Kami melatih model pada kumpulan gambar digital untuk mendapatkan representasi yang berkelanjutan,” kata Ulugbek Kamilov, asisten profesor teknik listrik dan sistem serta ilmu dan teknik komputer. “Sekarang saya bisa menunjukkannya sesuai keinginan saya. Saya dapat memperbesar dengan mulus dan tidak ada pikselasi.”

Kunci dari pekerjaan ini adalah penggunaan jaringan medan saraf, tipe khusus dari sistem pembelajaran mesin yang mempelajari pemetaan koordinat spasial ke kuantitas fisik yang sesuai. Ketika pelatihan selesai, peneliti dapat menunjuk ke sembarang koordinat dan model dapat memberikan nilai gambar di lokasi tersebut.

Also Read :  '100 kali lebih buruk dari yang kita duga': Wawasan tentang skandal Celtics

Kekuatan khusus dari jaringan medan saraf adalah bahwa mereka tidak harus dilatih pada sejumlah besar data serupa. Sebaliknya, selama ada cukup banyak gambar 2D sampel, jaringan dapat sepenuhnya mewakilinya, di dalam dan di luar.

Gambar yang digunakan untuk melatih jaringan sama seperti gambar mikroskop lainnya. Pada dasarnya, sebuah sel diterangi dari bawah; Cahaya melewatinya dan ditangkap di sisi lain, menciptakan gambar.

Also Read :  Take-Two Mungkin Hanya Membangun Metaverse Nyata Terlepas dari Upaya Meta (NASDAQ:TTWO)

“Karena saya memiliki beberapa tampilan sel, saya dapat menggunakan gambar ini untuk melatih modelnya,” kata Kamilov. Ini dilakukan dengan memasukkan informasi model tentang titik dalam sampel di mana gambar menangkap bagian dari struktur internal sel.

Kemudian jaringan melakukan yang terbaik untuk membuat ulang struktur itu. Jika output salah, jaringan akan dioptimalkan. Jika benar, jalan ini akan diperkuat. Setelah prediksi cocok dengan pengukuran sebenarnya, jaringan siap untuk mengisi bagian sel yang tidak ditangkap oleh gambar 2D asli.

Model sekarang berisi informasi dari representasi sel yang penuh dan berkesinambungan – tidak perlu menyimpan file gambar intensif data karena dapat dibuat ulang berulang kali oleh jaringan medan saraf.

Also Read :  USAID Hands Over Portable and Artificial Intelligence-Driven X-Rays to National TB Program

Dan, kata Kamilov, tidak hanya model yang mudah disimpan, representasi sel yang setia, tetapi juga lebih berguna daripada yang asli dalam banyak hal.

“Saya dapat memasukkan koordinat apa pun dan membuat tampilan ini,” katanya. “Atau saya menghasilkan tampilan baru dari sudut yang berbeda.” Dia dapat menggunakan model untuk memutar sel seperti bagian atas atau memperbesar untuk melihat lebih dekat; Gunakan model untuk melakukan tugas numerik lainnya. atau bahkan memasukkannya ke dalam algoritma lain.

sumber cerita:

Materi disediakan oleh Universitas Washington di St. Louis. Catatan: Konten dapat diedit untuk gaya dan panjangnya.



Source link