ИИ поможет голографическим технологиям выйти на новый уровень
В рамках двух новых изучений ученые из Калифорнийского университета в Лос-Анджелесе (UCLA) применяли нейронные сети для реконструкции голограмм.
Обе работы не только демонстрируют уровень развития голографических разработок, но еще и обещают открыть этим разработкам дверь в медицину, где они смогут произвести настоящую революцию.
В первом изучении, результаты которого были обрисованы в издании Light: Science & Applications, ученые применяли разработке глубинного обучения для изображений биологических образцов: крови, мазков Папаниколау, и некоторых вторых образцов биологических тканей.
Изучение доказало, что применение нейронных сетей значительно ускоряет и упрощает процесс создания голографических изображений, если сравнивать с более классическими способами создания подобных изображений, требующих для воссоздания исследуемого объекта проведения предварительных физических расчетов и ручного компьютерного ввода данных.
В рамках второго изучения команда экспертов применяла свой фреймворк глубинного обучения для качества и улучшения разрешения микроскопических изображений, каковые оказывают помощь врачам определять самые небольшие, чуть заметные аномалии в громадных клеточной ткани и образцах крови.
Одна из неприятностей нынешних голографических способов содержится в том, что при ходе рендеринга голограммы смогут утратить часть информации, что, со своей стороны, может привести к появлению «артефактов» на финальном изображении. Время от времени эти утраты выясняются весьма большими. К примеру, на изображении смогут оказаться тёмные точки, каковые доктора по неточности смогут принять за рост раковых клеток. Такие артефакты довольно часто видятся при радиологическом сканировании, в особенности в случае, если больной начинает двигаться, в то время, когда сканер делает свою работу.
Система глубинного обучения Калифорнийского университета показала эффективность в решении и данной неприятности. Когда система будет подобающим образом научена, нейронная сеть сможет легко отделять пространственные изюминки настоящего изображения от любых внешних помех (в роли которых довольно часто выступает свет).
Многослойность неестественных нейронных сетей разрешает методам глубинного обучения анализировать данные в автономном режиме. Разработка уже успела показать свою эффективность на примере перевода речи с одного языка на другой в реальном времени, видеозахвате изображений, и во многих вторых задачах, с которыми до этого приходилось справляться человеку, который, к слову, проигрывает методам еще и в скорости исполнения этих задач.
С того времени как системы машинного обучения купили свойство сортировать и анализировать огромные объемы информации значительно стремительнее людей, совсем неудивительно, что к этим разработкам начинают проявлять свой интерес самые различные сферы, среди них и медицина. Методы уже применяются, к примеру, в диагностической радиологии, где они демонстрируют свою эффективность в чтении рентгеновских изображений, и поиске раковых клеток, каковые могли быть потеряны медиками при сканировании.
Голографические разработки рассматриваются на данный момент уже не так, как это было раньше, в то время, когда их считали скорее объектом научной фантастики, нежели практичным инструментом. Сейчас ученые уверены в перспективности этого направления.
Способы глубинного обучения, со своей стороны, смогут оказать помощь в этом направлении, считает Айдоган Озкан, ведущий исследователь. Согласно его точке зрения, эти разработки разрешат открыть новые возможности визуализации. В опубликованном пресс-релизе Калифорнийского университета Озкан подчернул, что подобные разработки кроме того смогут привести к разработке совсем новых когерентных систем обработки изображений. Ученый думает, что наработки UCLA смогут быть использованы для внедрения и дальнейшего усовершенствования технологии в нее поддержки вторых частей электромагнитного спектра, к примеру, рентгеновского и оптического излучения.
В случае, если нас ожидает будущее, которое мы имели возможность видеть в научной фантастике последние лет 40-50, то голограммы в нем будут играться точно не самую последнюю роль. Изучения UCLA в этом направлении, со своей стороны, не просто пытаются поддержать эту фантастическую разработку, они предлагают настоящие среды для ее применения.