I ricercatori della UCLA Samueli School of Engineering hanno dimostrato che il deep learning, una potente forma di intelligenza artificiale, può discernere e migliorare i dettagli microscopici nelle foto scattate da smartphone. La tecnica migliora così tanto la risoluzione e i dettagli cromatici delle immagini degli smartphone da avvicinarsi alla qualità delle immagini dei microscopi di laboratorio.

Il progresso potrebbe aiutare a portare la diagnostica medica di alta qualità nelle regioni povere di risorse, dove le persone altrimenti non hanno accesso a tecnologie diagnostiche di fascia alta. E la tecnica utilizza allegati che possono essere prodotti a basso costo con una stampante 3D, a meno di 100 dollari al pezzo, rispetto alle migliaia di dollari che costerebbe acquistare apparecchiature di laboratorio che producono immagini di qualità simile.

Le fotocamere degli smartphone di oggi sono progettate per fotografare persone e paesaggi, non produrre immagini microscopiche ad alta risoluzione. Così i ricercatori hanno sviluppato un allegato che può essere posizionato sull'obiettivo dello smartphone per aumentare la risoluzione e la visibilità dei piccoli dettagli delle immagini che scattano, fino a una scala di circa un milionesimo di metro.

Ma questo ha risolto solo una parte della sfida, perché nessun accessorio sarebbe sufficiente per compensare la differenza di qualità tra i sensori di immagine e gli obiettivi delle fotocamere degli smartphone e quelli delle apparecchiature di laboratorio di fascia alta. La nuova tecnica compensa la differenza utilizzando l'intelligenza artificiale per riprodurre il livello di risoluzione e i dettagli cromatici necessari per un'analisi di laboratorio.

La ricerca è stata guidata da Aydogan Ozcan, Professore Ordinario di Ingegneria Elettrica e Informatica e Bioingegneria, e Yair Rivenson, uno studioso postdottorato dell'UCLA. Il gruppo di ricerca di Ozcan ha introdotto diverse innovazioni nella microscopia mobile e nel rilevamento, e mantiene un focus particolare sullo sviluppo di diagnostica medica portatile sul campo e sensori per aree povere di risorse.

"Utilizzando l'apprendimento profondo, abbiamo deciso di colmare il divario nella qualità dell'immagine tra microscopi economici basati su telefoni cellulari e microscopi da banco standard aurei che utilizzano obiettivi di fascia alta, " Ozcan ha detto. "Riteniamo che il nostro approccio sia ampiamente applicabile ad altri sistemi di microscopia a basso costo che utilizzano, Per esempio, obiettivi o fotocamere economici, e potrebbe facilitare la sostituzione di microscopi da banco di fascia alta con alternative mobili."

Ha aggiunto che la nuova tecnica potrebbe trovare numerose applicazioni nella salute globale, telemedicina e applicazioni relative alla diagnostica.

I ricercatori hanno scattato immagini di campioni di tessuto polmonare, sangue e pap test, prima usando un microscopio standard da laboratorio, e poi con uno smartphone con l'attacco per microscopio stampato in 3D. I ricercatori hanno quindi inserito le coppie di immagini corrispondenti in un sistema informatico che "impara" come migliorare rapidamente le immagini del telefono cellulare. Il processo si basa su un codice informatico basato sul deep learning, che è stato sviluppato dai ricercatori dell'UCLA.

Per vedere se la loro tecnica avrebbe funzionato su altri tipi di immagini di qualità inferiore, i ricercatori hanno utilizzato il deep learning per eseguire con successo trasformazioni simili con immagini che avevano perso alcuni dettagli perché erano compresse per una trasmissione più veloce su una rete di computer o per un'archiviazione più efficiente.

Lo studio è stato pubblicato su Fotonica ACS , una rivista dell'American Chemical Society. Si basa su studi precedenti del gruppo di Ozcan che hanno utilizzato il deep learning per ricostruire gli ologrammi e migliorare la microscopia.