深度学习融入显微图像处理，更高效更全面

文/陈根

显微图像处理是数字图像处理的一个重要研究领域，随着技术的不断发展，其已经在材料、生物、医学等领域得到了广泛应用。目前的显微图像处理通常利用图像采集系统将显微图像采集到计算机中再进行图像处理。如何从庞大的数据图像中检索出尽可能多的信息，这对研究人员来说是一大难题。

近日，由哥德堡大学科研团队开发的了一款AI 工具，或能解决这一难题。该工具利用深度学习技术，通过查看大量的图像，即数据训练，可以准确地从图像中检索出研究人员想要的信息。

与必须手动制作训练数据相比，该工具简化了制作数据训练的过程。在这里，深度学习可以被描述为一种数学模型，能够在一个小时内生成数万张图像，而不是一个月内生成一百张，这就大大提升了显微图像分析的效率。

另外，该工具分析出的结果是可重复的，可以为特定目的检索定制特定的信息目录，这就使得从显微镜图像中快速提取更多的细节成为可能。目前，该工具已经取得了国际认可，对现有的显微图像分析系统产生了重要影响，在科研和工业领域的也有较高的应用前景。

值得一提的是，这款深度学习工具允许用户决定颗粒大小和材料特征，并能轻松地对细胞进行计数和分类。未来，该工具有望用来跟踪细胞中的感染情况，并绘制细胞防御机制图，为药物研发和疾病治疗提供更多的可能性。