Forskare vid UCLA Samueli School of Engineering har visat att djupinlärning, en kraftfull form av artificiell intelligens, kan urskilja och förbättra mikroskopiska detaljer i foton som tas med smartphones. Tekniken förbättrar upplösningen och färgdetaljerna för smartphone-bilder så mycket att de närmar sig bildkvaliteten från mikroskop av laboratoriekvalitet.

Framstegen kan hjälpa till att föra högkvalitativ medicinsk diagnostik till resursfattiga regioner, där människor annars inte har tillgång till avancerad diagnostisk teknik. Och tekniken använder bilagor som kan produceras billigt med en 3D-skrivare, till mindre än $ 100 per styck, kontra tusentals dollar skulle det kosta att köpa laboratorieutrustning som producerar bilder av liknande kvalitet.

Kameror på dagens smartphones är utformade för att fotografera människor och landskap, att inte producera högupplösta mikroskopiska bilder. Så forskarna utvecklade en bilaga som kan placeras över smartphone -objektivet för att öka upplösningen och synligheten av små detaljer i bilderna de tar, ner till en skala på ungefär en miljonedel av en meter.

Men det löste bara en del av utmaningen, eftersom ingen bilaga skulle räcka för att kompensera för kvalitetsskillnaden mellan smarttelefonkamerors bildsensorer och linser och avancerad labutrustning. Den nya tekniken kompenserar skillnaden genom att använda artificiell intelligens för att återge upplösningsnivån och färgdetaljer som behövs för en laboratorieanalys.

Forskningen leds av Aydogan Ozcan, Kanslerprofessor i el- och datateknik och bioingenjör, och Yair Rivenson, en postdoktor vid UCLA. Ozcans forskargrupp har introducerat flera innovationer inom mobilmikroskopi och avkänning, och det har ett särskilt fokus på att utveckla fältbärbar medicinsk diagnostik och sensorer för resursfattiga områden.

"Med hjälp av djupinlärning, vi bestämde oss för att överbrygga klyftan i bildkvalitet mellan billiga mobiltelefonbaserade mikroskop och guldstandardbänkmikroskop som använder avancerade linser, "Ozcan sa." Vi tror att vårt tillvägagångssätt är i stort sett tillämpligt på andra billiga mikroskopisystem som använder, till exempel, billiga objektiv eller kameror, och skulle kunna underlätta ersättningen av avancerade bänkmikroskop med kostnadseffektiva, mobila alternativ. "

Han tillade att den nya tekniken kan hitta många tillämpningar inom global hälsa, telemedicin och diagnostikrelaterade applikationer.

Forskarna tog bilder av lungvävnadsprover, blod och Pap -utstryk, först med ett standardmikroskop av laboratoriekvalitet, och sedan med en smartphone med 3D-tryckt mikroskopfäste. Forskarna matade sedan in paren med motsvarande bilder i ett datasystem som "lär sig" hur man snabbt kan förbättra mobiltelefonbilderna. Processen bygger på en djupinlärningsbaserad datorkod, som utvecklades av UCLA -forskarna.

För att se om deras teknik skulle fungera på andra typer av bilder av lägre kvalitet, forskarna använde djupinlärning för att framgångsrikt utföra liknande transformationer med bilder som hade tappat några detaljer eftersom de komprimerades för antingen snabbare överföring över ett datornätverk eller effektivare lagring.

Studien publicerades i ACS Photonics , en tidskrift för American Chemical Society. Den bygger på tidigare studier från Ozcans grupp som använde djupinlärning för att rekonstruera hologram och förbättra mikroskopi.