馬薩諸塞州伍茲霍爾-圖片只值一千字-但前提是要清楚其描繪的內(nèi)容。在顯微生活的圖像或錄像制作中也存在摩擦。盡管現(xiàn)代顯微鏡可以在幾秒鐘內(nèi)從活組織或細(xì)胞中生成大量圖像數(shù)據(jù)，但從這些數(shù)據(jù)中提取有意義的生物學(xué)信息卻需要花費(fèi)數(shù)小時(shí)甚至數(shù)周的艱苦分析。

為了緩解這一主要瓶頸，由MBL研究員Hari Shroff領(lǐng)導(dǎo)的團(tuán)隊(duì)設(shè)計(jì)了深度學(xué)習(xí)和其他計(jì)算方法，可將圖像分析時(shí)間顯著減少幾個(gè)數(shù)量級(jí)-在某些情況下，與數(shù)據(jù)采集本身的速度相匹配。他們本周在《自然生物技術(shù)》中報(bào)告了他們的結(jié)果。

Shroff說：“這就像從水喉中喝水而無法消化您所喝的水一樣。”常見的問題是成像數(shù)據(jù)過多，而后處理能力不足。團(tuán)隊(duì)的改進(jìn)來自海洋生物實(shí)驗(yàn)室（MBL）的持續(xù)合作，它通過三種主要方式加快了圖像分析的速度。

首先，顯微鏡下的成像數(shù)據(jù)通常會(huì)因模糊而損壞。為了減輕模糊，使用了迭代的“去卷積”過程。計(jì)算機(jī)在模糊圖像和實(shí)際物體的估計(jì)之間來回移動(dòng)，直到達(dá)到對真實(shí)物體的最佳估計(jì)的收斂為止。

通過修改經(jīng)典的反卷積算法，Shroff及其合作者將反卷積加速了10倍以上。Shroff說，他們改進(jìn)的算法可廣泛應(yīng)用于“幾乎所有熒光顯微鏡”?！拔覀冋J(rèn)為這是一次嚴(yán)格的勝利。我們已經(jīng)發(fā)布了代碼，其他組織已經(jīng)在使用它。”

接下來，他們解決了3D配準(zhǔn)的問題：對齊和融合從不同角度拍攝的物體的多個(gè)圖像。Shroff說：“事實(shí)證明，注冊大型數(shù)據(jù)集（如光片顯微鏡）要比對它們進(jìn)行去卷積要花費(fèi)更長的時(shí)間?！彼麄儼l(fā)現(xiàn)了幾種加速3D注冊的方法，包括將其移動(dòng)到計(jì)算機(jī)的圖形處理單元（GPU）。與使用計(jì)算機(jī)的中央處理器（CPU）相比，這使他們的處理速度提高了10到100倍以上。

Shroff說：“我們在配準(zhǔn)和解卷積方面的改進(jìn)意味著，對于適合圖形卡的數(shù)據(jù)集，圖像分析原則上可以跟上采集速度?！薄皩τ诟蟮臄?shù)據(jù)集，我們找到了一種有效地將它們分割成塊，將每個(gè)塊傳遞到GPU，進(jìn)行配準(zhǔn)和解卷積然后將這些塊縫合在一起的方法。如果要對大塊組織成像，這非常重要例如，從海洋動(dòng)物身上獲取的，或者如果您正在清理一個(gè)器官以使其透明，則可以將其放在顯微鏡上。這兩種進(jìn)展確實(shí)使某些形式的大型顯微鏡成為現(xiàn)實(shí)，并加速了發(fā)展。”

最后，該團(tuán)隊(duì)使用深度學(xué)習(xí)來加速“復(fù)雜的反卷積”-難以處理的數(shù)據(jù)集，其中模糊在圖像的不同部分發(fā)生明顯變化。他們培訓(xùn)了計(jì)算機(jī)，以識(shí)別嚴(yán)重模糊的數(shù)據(jù)（輸入）與經(jīng)過清理，反卷積的圖像（輸出）之間的關(guān)系。然后他們給它提供了前所未有的模糊數(shù)據(jù)。Shroff說：“它確實(shí)運(yùn)作良好;訓(xùn)練有素的神經(jīng)網(wǎng)絡(luò)可以非常快速地產(chǎn)生反卷積結(jié)果。”“這就是我們在反卷積速度上獲得了數(shù)千倍的改進(jìn)的地方?！?/p>

Shroff說，盡管深度學(xué)習(xí)算法的效果出乎意料的出色，但“警告是它們很脆弱”?！耙馑际钦f，一旦訓(xùn)練了神經(jīng)網(wǎng)絡(luò)以識(shí)別一種圖像類型，例如具有線粒體的細(xì)胞，它將很好地使這些圖像解卷積。但是，如果您給它提供的圖像有些不同，則說細(xì)胞的質(zhì)膜，它會(huì)產(chǎn)生偽像。很容易愚弄神經(jīng)網(wǎng)絡(luò)。”研究的活躍領(lǐng)域是創(chuàng)建以更通用的方式工作的神經(jīng)網(wǎng)絡(luò)。

Shroff說：“深度學(xué)習(xí)增強(qiáng)了可能性?！薄斑@是分析數(shù)據(jù)集的好工具，而這是其他方法很難做到的?！?/p>