بهبود تصویربرداری میکروسکوپی با حذف اثرات حرکت

در تصویربرداری از نمونه‌های میکروسکوپی، معمولاً نیاز به گرفتن چندین عکس پشت سر هم است و سپس با کمک کامپیوتر یک تصویر باکیفیت ساخته می‌شود. این روش وقتی که نمونه ثابت باشد، خوب عمل می‌کند، اما وقتی که نمونه در حال حرکت باشد، تصویر نهایی ممکن است تار و نامشخص شود.

حالا، پژوهشگران دانشگاه برکلی روش جدیدی برای بهبود این تصاویر توسعه داده‌اند. آن‌ها ابزاری به نام “مدل فضازمان عصبی” یا NSTM ساخته‌اند که با کمک هوش مصنوعی می‌تواند اثرات حرکت در تصاویر را حذف کند و تصویر واضح‌تری ارائه دهد.

رویمینگ کائو، یکی از محققان این پروژه، می‌گوید: “مشکل اصلی در تصویربرداری از نمونه‌های متحرک این است که الگوریتم‌های بازسازی فرض می‌کنند صحنه ثابت است. اما با NSTM می‌توانیم حرکت نمونه را در هر لحظه مدل‌سازی کنیم و به این ترتیب آثار حرکت را کاهش دهیم.”

یکی از مزایای بزرگ این ابزار این است که برای استفاده از آن نیازی به سخت‌افزارهای گران‌قیمت و اضافی نیست و می‌توان آن را به راحتی با سیستم‌های موجود ادغام کرد. این ابزار می‌تواند وضوح زمانی تصویر را تا ۱۰ برابر بهبود بخشد، یعنی تصویرهای واضح‌تر و با جزییات بیشتری را در زمان کمتر به دست آورد.

این ابزار از یک شبکه عصبی استفاده می‌کند، اما نیازی به آموزش قبلی یا داده‌های اولیه ندارد، که این موضوع کار را ساده‌تر می‌کند. به علاوه، این ابزار در سه روش مختلف میکروسکوپی و عکاسی به خوبی عمل کرده است.

لورا والر، یکی از محققان اصلی، می‌گوید که این ابزار می‌تواند در بسیاری از کاربردهای علمی دیگر مانند سی‌تی اسکن، MRI و حتی میکروسکوپ‌های دیگر هم استفاده شود. او اضافه می‌کند که این فقط آغاز کار است و کاربردهای زیادی برای این ابزار در آینده وجود دارد.

پژوهشگران امیدوارند که NSTM در آینده در دستگاه‌های تصویربرداری تجاری استفاده شود، درست مثل یک به‌روزرسانی نرم‌افزاری ساده. کائو می‌گوید: “ما تلاش می‌کنیم تا بتوانیم حرکات خیلی سریع را به خوبی ببینیم و ثبت کنیم.”

نوشته شده توسط مارنی الری، دانشگاه کالیفرنیا – برکلی