UCLA mühendisleri, hologramları yeniden yapılandırmak ve optik mikroskobunu geliştirmek için derin öğrenmeyi kullanıyor

UCLA mühendisleri, hologramları yeniden yapılandırmak ve optik mikroskobunu geliştirmek için derin öğrenmeyi kullanıyor

Derin öğrenme olarak adlandırılan bir makine öğrenme biçimi, gerçek zamanlı konuşma, tanıma ve otomatik görüntü ve video etiketleme gibi uygulamalardaki son gelişmelerin arkasındaki en önemli teknolojilerden biridir.

“Daha doğru görüntüler ve daha hızlı üretebilme özelliği, tanı tıbbına yardımcı olabilir.”

Veri analizini otomatikleştirmek için çok katmanlı yapay sinir ağlarını kullanan yaklaşım, sağlık bakımında önemli bir vaat de göstermiştir: Örneğin, hastaların X-ışınları, CT taramaları , tıbbi veriler ve diğer tıbbi görüntülerde anormallikleri otomatik olarak tespit etmek için kullanılabilir.

Yayımlanan son iki makalede, UCLA araştırmacıları, derin öğrenme için yeni kullanım alanları geliştirdiklerini bildiriyor. Bu kullanım alanları bir nesnenin mikroskobik bir görüntüsü oluşturmak ve optik mikroskobunu geliştirmek için bir hologramın yeniden oluşturulmasıdır.

Yeni holografik görüntüleme tekniği, çoklu hologram kullanan mevcut yöntemlerden daha iyi görüntü üretir. Bu teknik daha az ölçüm gerektirdiğinden ve hesaplamaları daha hızlı gerçekleştirdiği için uygulanması daha kolaydır.

Araştırma güçlü bir ekip tarafından yürütülüyor

Araştırma, UCLA California NanoSystems Enstitüsünün ortak direktörü Aydoğan Özcan ve UCLA Henry Samueli Mühendislik ve Uygulamalı Bilimler Yüksekokulu, Elektrik ve Bilgisayar Mühendisliği Şansölyesi Profesörü tarafından yürütülmüştür. Ayrıca bir doktora sonrası akademisyen olan Yair Rivenson ve bir de lisansüstü öğrenci Yibo Zhang ve UCLA’nın elektrik ve bilgisayar mühendisliği bölümü tarafından çalışma yürütülmüştür.

Light: Science and Applications’da yayınlanan bir çalışmada (PDF), araştırmacılar rahim ağzı kanseri ve kan örnekleri ile meme dokusu örnekleri için tarama yapmak için kullanılan Pap smear hologramlarını üretti. Her durumda, sinir ağı, nesnenin gerçek imgesinin özelliklerini istenmeyen ışık girişiminden ve fiziksel ürünlerinden çıkan görüntüyü yeniden yapılandırmayı ve ayırmayı öğrendi.

“Bu sonuçlar, herhangi bir faz kurtarma ve holografik görüntüleme problemi için geniş çapta uygulanabilir. Bu derin öğrenme tabanlı çerçeve, elektromanyetik spektrumun farklı bölümlerini kapsayan, temelde yeni tutarlı görüntüleme sistemleri tasarlamak için sayısız fırsatlar yaratan görünür dalga boyları ve hatta X- ışınlarıdır. “şeklinde konuşan Özcan, Howard Hughes Tıp Enstitüsü’nde HHMI Profesörü olarak görev yapıyor.

IŞIK-MADDE Etkileşimi Modeli ve Derin Öğrenme

Bu yeni yaklaşımın bir başka avantajı da, ışık-madde etkileşiminin modellenmesi veya dalga denkleminin herhangi bir modellenmesi olmadan elde edildiği ve bu da her bir örnek ve ışık formatı için modellenmesi ve hesaplanması zor ve zaman alıcı olabilirdi.

Rivenson, “Geleneksel fizik temelli hologramı yeniden yapılandırma yöntemlerinin yerine derin öğrenme tabanlı bir hesaplama yaklaşımı geldiği için bu çalışma gerçekten çok heyecan verici bir başarı” dedi.

Ekibin diğer üyeleri, Özcan’ın çalışmalarını yürüttüğü laboratuvardaki diğer iki UCLA araştırmacıları olan Harun Günaydın ve Da Teng.

Optica adlı dergide yayınlanan ikinci araştırmada ise, araştırmacılar optik mikroskopik görüntülerin çözünürlüğünü ve kalitesini artırmak için aynı derin öğrenme çerçevesini kullandı.

Bu ilerleme, büyük bir kan veya doku örneğinde çok küçük ölçekli anormallikler arayan teşhis uzmanlarına veya patologlara yardımcı olabilir. Ayrıca Özcan, tıbbi teşhis, mühendislik ve bilim alanlarındaki diğer çalışmalar için optik mikroskobunu geliştirmek için derin öğrenmenin çok güçlü bir fırsatı temsil ettiğini söyledi.

Özcan’ın araştırması, Ulusal Bilim Vakfı tarafından finanse edildiği gibi Hassas İleri Teknolojiler ve Sağlık Altındaki Hastalar için Sağlık Sistemleri ve NSF’nin yanı sıra Ordu Araştırma Ofisi, Ulusal Sağlık Enstitüsü, Howard Hughes Tıbbi Enstitüsü, Vodafone Americas Vakfı ve Mary Kay Vakfı gibi kuruluşlardan da destek gördü.

Aydoğan Özcan’ın laboratuvarı’ndaki açık pozisyonlar için tıklayınız.

 

Kaynak: UCLA NewsRoom

 

 

Ahmet Doğan
Follow Me

Ahmet Doğan

Araştırmacı - Yazar
Elektrik - Elektronik Mühendisliğinden 2014'te mezun oldu. Aynı alanda Yüksek Lisans eğitimine devam ederken, aynı zamanda ULUSLARARASI İLİŞKİLER lisans bölümünü okumaktadır. İnsan Hakları alanında ve Mülteci alanında Uluslararası bir Sivil Toplum Kuruluşunda çalışmaktadır.
Ahmet Doğan
Follow Me

Ahmet Doğan

Araştırmacı - Yazar Elektrik - Elektronik Mühendisliğinden 2014'te mezun oldu. Aynı alanda Yüksek Lisans eğitimine devam ederken, aynı zamanda ULUSLARARASI İLİŞKİLER lisans bölümünü okumaktadır. İnsan Hakları alanında ve Mülteci alanında Uluslararası bir Sivil Toplum Kuruluşunda çalışmaktadır.

Bir Cevap Yazın

E-posta hesabınız yayımlanmayacak. Gerekli alanlar * ile işaretlenmişlerdir