Naukowcy z Politechniki Warszawskiej opracowali narzędzie oparte na sztucznej inteligencji, które zwiększa możliwości analizy interferogramów i hologramów optycznych. Wyniki badań opublikowali w „Journal of Physics: Photonics”.
Zespół naukowców z Laboratorium Obrazowania Kwantowego (QCI Lab) na Wydziale Mechatroniki Politechniki Warszawskiej, we współpracy z Arktycznym Uniwersytetem Norweskim w Tromsø oraz Uniwersytetem w Münster, pracuje nad uproszczeniem i przyspieszeniem pomiarów optycznych, od mikrostruktur metali po komórki biologiczne. Projekt DeepQuadrature to pomysł na to, jak „zobaczyć więcej, mając mniej”. Chodzi o to, żeby z jednego zdjęcia, wykonanego techniką pomiaru wykorzystującą światło jako znacznik, wyciągnąć jak najwięcej informacji. Normalnie, żeby te informacje wyciągnąć (np. grubość warstwy, kształt powierzchni, strukturę wewnętrzną komórki biologicznej), trzeba robić kilka zdjęć z komplementarnymi danymi, pozwalającymi na dokładną rekonstrukcję. DeepQuadrature – model głębokiego uczenia – pozwala to wszystko zrobić na podstawie jednej fotografii. Zamiast budować skomplikowany sprzęt, naukowcy chcą dać narzędzie w postaci oprogramowania, które „doda” brakujące informacje. Pracują nad tym, żeby ten system działał nie tylko ogólnie, ale był też dostosowany do konkretnych zastosowań, np. badania pewnych typów komórek.
Techniki pomiarowe oparte na obrazach prążkowych, takie jak mikroskopia holograficzna czy interferometria, znajdują szerokie zastosowanie w biologii, optyce czy inżynierii materiałowej ze względu na wysoką precyzję i nieinwazyjność pomiaru. Kluczowym ograniczeniem ich dokładności jest przepustowość informacyjna, tzw. space-bandwidth product (SBP), który decyduje o ilości i jakości informacji możliwej do pozyskania z obrazu. DeepQuadrature zwiększa SBP w sposób czysto numeryczny, bez konieczności modyfikacji układu optycznego. Dzięki treningowi na syntetycznych danych o zróżnicowanej geometrii i częstotliwości prążków, potrafi adaptacyjnie analizować zarówno obiekty techniczne, jak i biologiczne – od powierzchniowych mikrostruktur stopów metali po obrazy komórek HeLa. W badaniach eksperymentalnych naukowcy QCI Lab osiągnęli dokładność porównywalną z metodami wieloramkowymi, zachowując przy tym prostotę podejścia jednoramkowego.
– Uczymy sieć neuronową, jak „dopowiadać” brakujące dane na podstawie jednego obrazu, sprawdzamy, jak dobrze działa on na rzeczywistych danych, testujemy, czy można go wykorzystać np. w obrazowaniu biologicznym czy w analizie materiałów technicznych, a także tworzymy zestawy danych i narzędzia, które potem udostępniamy innym badaczom – w szczególności mikrobiologom i lekarzom – wyjaśnia dr inż. Maria Cywińska, która opracowała algorytm oparty o sieci neuronowe. Dzięki niemu sieć neuronowa potrafi „domyślić się”, jak wygląda obraz przesunięty w fazie o 90 stopni.
QCI Lab jest częścią Instytutu Mikromechaniki i Fotoniki na Wydziale Mechatroniki Politechniki Warszawskiej. Celem laboratorium jest tworzenie nowych ram obrazowania obliczeniowego poprzez łączenie osiągnięć w dziedzinie numerycznych algorytmów rekonstrukcji z eksperymentalnymi układami optycznymi. Główna linia badawcza laboratorium koncentruje się na rozwoju mikroskopii optycznej – dąży ono do opracowania technologii umożliwiających głębsze, szybsze i bardziej niezawodne obrazowanie bez użycia znaczników, z wyjątkowo wysokim stosunkiem sygnału do szumu oraz dużym produktem przepustowości przestrzenno-czasowej. Laboratorium skupia się zarówno na technikach obrazowania koherentnego (interferometria, holografia), jak i niekoherentnego (ptychografia Fouriera, różnicowy kontrast fazowy). Szczególną uwagę przywiązuje do ilościowego charakteru pomiarów optycznych, dostarczając wydajne, nowoczesne narzędzia do nieinwazyjnej i precyzyjnej diagnostyki.
Oszczędność – czasu, miejsca, pieniędzy
Metody wieloramkowe wymagają kosztownej aparatury pozwalającej na precyzyjne wygenerowanie ramek. DeepQuadrature pozwala zastąpić drogi komponent sprzętowy oprogramowaniem.
– Konsekwencją nie jest tylko oszczędność pieniędzy. Pomiary jednoramkowe są szybsze i łatwiejsze, co pozwala na ich mobilne stosowanie poza laboratorium optycznym. To duża szansa na szerokie upowszechnienie tej technologii – tłumaczy dr inż. Maria Cywińska.
Największym beneficjentem będą ci, którzy korzystają z zaawansowanych pomiarów optycznych – naukowcy, lekarze, inżynierowie materiałowi. Dzięki DeepQuadrature pomiary mogą być tańsze (bo nie trzeba drogiego sprzętu) i szybsze (bo wystarczy jedno ujęcie). Dzięki temu narzędzie może mieć realne zastosowanie poza laboratorium, np. w szpitalach, w terenie czy nawet w edukacji. Warto podkreślić, że metoda daje wyniki równie dobre, co dużo droższe i trudniejsze techniki, a ponadto DeepQuadrature pozwala „zastąpić sprzęt oprogramowaniem” – to tak, jakby mieć w kieszeni laboratorium.
Narzędzie otwiera drogę do bardziej dostępnej diagnostyki i precyzyjnych pomiarów w wielu dziedzinach. Naukowcy wytrenowali DeepQuadrature dla przypadku ogólnego – gdy sieć jest przygotowana do szerokiej gamy zadań.
– W przyszłości chcemy przeprowadzić uczenie z myślą o konkretnym zadaniu eksperymentalnym np. obserwacji danego typu preparatów biologicznych. Pozwoli to na porównanie wyników dla tych dwóch scenariuszy – podsumowuje dr inż. Maria Cywińska.
Wyniki badań opublikowano w „Journal of Physics: Photonics”. Cały model DeepQuadrature oraz zestawy danych użyte do jego treningu i walidacji są dostępne publicznie na GitHubie.
źródło: PW