甘肅伯克利實(shí)驗(yàn)室重大醫(yī)學(xué)AI成果

，解決世界上最緊迫

，以捕捉各種空間范圍下的特征，在單個(gè)層中使用多個(gè)尺度，并將所有中間圖像緊密地連接起來(lái)。新的算法只需要很少的中間圖像和參數(shù)就能獲取精確的結(jié)果，而且不需要調(diào)整超參數(shù)以及額外的層或連接來(lái)支持訓(xùn)練。

從低分辨率數(shù)據(jù)中獲取更精確的結(jié)果

這種方法所面臨的一大不同挑戰(zhàn)就是，要從低分辨率的輸入中產(chǎn)生高分辨率的圖像

。任何嘗試過(guò)把圖像放大的人都知道，當(dāng)圖像的尺寸變大時(shí)畫(huà)質(zhì)也會(huì)變得糟糕，因此這聽(tīng)起來(lái)就像一個(gè)不可能完成的任務(wù)。但一小部分經(jīng)過(guò)多尺寸密集卷積神經(jīng)網(wǎng)絡(luò)處理的訓(xùn)練圖像確確實(shí)實(shí)能夠起到一些作用。比如對(duì)纖維增強(qiáng)的微型復(fù)合材料的層析重建進(jìn)行降噪。論文中提到了一個(gè)實(shí)驗(yàn)，用1024個(gè)x射線(xiàn)投影重建的圖像，得到的圖像噪聲相對(duì)較低。同一物體的噪聲圖像隨后用128個(gè)投影進(jìn)行了重建。訓(xùn)練輸入是有噪聲的圖像，在訓(xùn)練中使用相應(yīng)的無(wú)噪聲圖像作為目標(biāo)輸出。經(jīng)過(guò)訓(xùn)練的網(wǎng)絡(luò)能夠有效地獲取噪聲輸入數(shù)據(jù)并重構(gòu)更高分辨率的圖像。

新的應(yīng)用方向

Pelt和Sethian正在努力將他們的研究成果應(yīng)用到一系列新的領(lǐng)域

，比如快速實(shí)時(shí)分析同步加速器光源產(chǎn)生的圖像，以及生物重建問(wèn)題，比如重建細(xì)胞和大腦的映射。

Pelt說(shuō)道：“這些新方法令人振奮，它們讓機(jī)器學(xué)習(xí)得以應(yīng)用到比目前更加廣泛的成像問(wèn)題當(dāng)中

。通過(guò)減少所需訓(xùn)練圖像的數(shù)量，增加可以處理的圖像的大小