显微镜专家将神经网络推向极限，以锐化模糊图像

　　荧光成像利用激光获得明亮、明确的细胞图片和令人惊讶的亚细胞结构。尽管如此，如果你需要观察活细胞在做什么，例如，分离成两个细胞，激光可能会烧焦它并执行它。一个答案是使用较少的光，这样细胞不会受到伤害，并且可以继续使用不同的细胞措施。然而，由于光线如此低，放大仪的识别标志并不多。这是一个微弱的，雾的残骸。一群显微镜和PC研究人员利用一种叫做神经组织的计算机推理方法，即使在非常低的细胞适应光水平下，也能获得更清晰的细胞图像。
　　该小组由HariShroff博士、国家生物医学成像与生物工程研究所高级研究员陈继吉等共同推动，在TransNih高级成像和显微镜设备中，该技术被称为＂图片回收＂，它倾向于导致低光蓬松图像低信号与混乱比例（SNR）和低目标（雾）的两个奇迹。
　　所以事情正是在准备一个神经组织？它包括显示一个PC程序，许多与一组图片协调。这些集合包括一个合理的，尖锐的图片，例如，细胞的线粒体，和雾，无法辨认的表现相当的线粒体。神经组织被显示出大量这些与集合协调的集合，因此＂学会＂预测在磨练时模糊的图片会是什么样子。因此，神经组织适合拍摄利用低光水平拍摄的模糊图片，并将其转换成更为精练、更详细的图片，研究人员需要检查细胞中发生的事情。
　　具体而言，专家们集中精力重建＂超级目标＂图片卷，据称他们发现了构成手机的微小部件的难以置信的确切图片。这些图片显示为一个三维正方形，在转弯时可以从所有点看到。
　　该小组利用实验室和NIH不同实验室的放大仪器获得了大量的图片量。在获得极低亮度照照下的照片时，细胞没有受到伤害，但是照片却喧哗起伏，信噪比低，无法使用。通过使用RCAN策略，将图像降噪，以生成清晰、准确、可用的3D图片。
　　＂我们可以通过利用人工智能‘预测’低信噪比图片中的高信噪比图片‘来‘击败’放大镜的限制，＂Shroff澄清道在超目标成像中，光积累是一个重要的问题，所以我们可以选择绕着它走的路是巨大的，＂有时，专家们可以选择在向3D RCAN引入的大声信息上升级空间目标，覆盖一些信息。
　　另一个研究点是，决定科学家们如何将一幅图片弄得乱七八糟地呈现给RCAN组织，从而激发它将低目标图片转换成一幅可用的图片。在一项＂令人愤慨的模糊＂工作中，勘探小组发现，无论在任何一个审判级别的蒙蔽下，RCAN目前还没有准备好解开它在用什么来掩饰，并将其转换成一幅可用的图片。
　　＂我特别高兴的是，我们推动了这一战略，直到它‘破产’，＂Shroff澄清道我们在连续介质上描绘了SNR程序，显示RCAN的失效位置，同样我们也决定了在RCAN无法切换雾霾之前，一张图片有多模糊。我们相信这有助于其他人界定自己的图片回收工作的展示限制，就像推动这一充满活力的领域的进一步改进一样。＂