تحلیل سریع تر تصویر با یاری یادگیری عمیق

به گزارش مجله دانلود و سرگرمی، یک تصویر می تواند به اندازه هزاران کلمه ارزش داشته باشد اما این تنها هنگامی ممکن است که تعیین باشد چه چیزی را توصیف می نماید. اگرچه میکروسکوپ های جدید می توانند طی چند ثانیه، داده های تصویری بسیاری را از سلول ها یا بافت های زنده به دست بیاورند اما استخراج اطلاعات زیستی معنادار از این داده ها، ساعت ها یا حتی هفته ها زمان می برد.

تحلیل سریع تر تصویر با یاری یادگیری عمیق

گروهی از پژوهشگران آزمایشگاه زیست شناسی دریایی(MBL) وابسته به دانشگاه شیکاگو(UChicago) برای رفع کردن این مشکل، از یادگیری عمیق و دیگر روش های محاسباتی استفاده نموده اند تا زمان تحلیل تصویر را به صورت قابل توجهی کاهش دهند.

هری شروف(Hari Shroff)، سرپرست این پژوهش و همکارانش توانستند سرعت تحلیل تصویر را طی سه مرحله افزایش دهند.

داده های تصویری میکروسکوپ معمولا تار می شوند. در مرحله نخست، پژوهشگران برای کاهش میزان تار شدن تصویر، از یک فرایند تحلیلی استفاده کردند که طی آن، رایانه بین تصویر تار و برآوردی از جسم واقعی موجود در تصویر حرکت می نماید تا بهترین ارزیابی را در خصوص جسم واقعی ارائه دهد.

شروف و همکارانش با تنظیم الگوریتم کلاسیک تجزیه و تحلیل، سرعت ارزیابی را تا بیش از 10 برابر افزایش دادند.

شروف در این باره گفت: این الگوریتم بهبود یافته می تواند کارآیی گسترده ای داشته باشد و تقریبا در همه میکروسکوپ های فلوئورسانس به کار برود.

پژوهشگران در دومین مرحله کوشش کردند تا مشکل ثبت سه بعدی را حل نمایند. ثبت سه بعدی معمولا با هم ردیف کردن و تلفیق چندین تصویر از یک جسم در زوایای گوناگون انجام می گردد. پژوهشگران چندین روش را برای بهبود ثبت سه بعدی به کار گرفتند که یکی از آنها استفاده از واحد پردازش گرافیکی(GPU) بود.

شروف ادامه داد: به نظر می رسد که ثبت پایگاه داده های عظیم، زمان بیشتری نسبت به زمان تحلیل آنها احتیاج دارد.

وی افزود: پیشرفت های ما در ثبت سه بعدی و تجزیه و تحلیل به این معناست که تحلیل تصویر با یاری داده های موجود در کارت گرافیکی می تواند با سرعت انجام گردد. ما برای پایگاه داده های عظیمتر، راهی یافته ایم که می تواند داده ها را به صورت کارآمد ثبت کند تا به واحد پردازش گرافیکی منتقل و سپس به یکدیگر متصل شوند. اگر بخواهیم از بافت عظیمتری تصویربرداری کنیم، این کار بسیار مهم خواهد بود. برای مثال، اگر قصد تصویربرداری از یک حیوان دریایی را داشته باشیم و یا بخواهیم یک اندام را به صورت واضح زیر میکروسکوپ ببینیم، این روش به ما یاری خواهد نمود.

پژوهشگران در مرحله سوم، از یادگیری عمیق برای تحلیل پیشرفته استفاده کردند تا بتوانند تحلیل پایگاه داده ها را بهبود ببخشند. آنها رایانه را آموزش دادند تا رابطه میان داده های تصویر تار ورودی و تصویر واضح خروجی را تشخیص دهد.

شروف گفت: این روش، عملکرد بسیار خوبی داشت. شبکه عصبی آموزش داده شده توانست نتایج تحلیلی را بسیار سریع تحلیل کند.

وی افزود: هنگامی که شبکه عصبی را برای تشخیص یک نوع تصویر مثلا تصویر یک سلول آموزش می دهیم، می تواند تصاویری مانند آن را به خوبی تحلیل کند اما اگر تصویر کمی متفاوت باشد، داده های دیگری ارائه می دهد. فریب دادن یک شبکه عصبی، بسیار ساده است. یک بخش فعال پژوهش ما، ایجاد شبکه های عصبی است که با روش کلی تری کار می نماید.

منبع : ایسنا

منبع: آی تابناک
انتشار: 10 شهریور 1399 بروزرسانی: 6 مهر 1399 گردآورنده: dnl4all.ir شناسه مطلب: 522

به "تحلیل سریع تر تصویر با یاری یادگیری عمیق" امتیاز دهید

امتیاز دهید:

دیدگاه های مرتبط با "تحلیل سریع تر تصویر با یاری یادگیری عمیق"

* نظرتان را در مورد این مقاله با ما درمیان بگذارید