详细内容或原文请订阅后点击阅览
生物医学成像、自动驾驶汽车传感器可能会从专为物理信号设计的人工智能中得到推动
该系统使用基于物理的机器学习来改进现有的成像技术。
来源:UCLA加州大学洛杉矶分校研究简介
调查结果
由加州大学洛杉矶分校和罗彻斯特大学领导的一个研究小组展示了一种成像系统的前景广阔的发展，该系统旨在捕获散射光的“复杂介质”中的细节，从描绘身体组织内部的结构到透过浓雾看到障碍物。该系统使用基于物理的机器学习来改进现有的成像技术。
在使用被复杂介质遮挡的标准校准图像进行的测试中，与上一代技术相比，新系统的信噪比提高了一倍多。该系统还以接近实时（千分之一秒）的速度创建图像。
背景
如今，查看复杂介质内部的传统应用依赖于昂贵的相机，这些相机可以检测超出可见光限制的近红外光。
相比之下，研究人员改进的基本方法可以使用相对便宜的硅基相机，就像智能手机中的相机一样。该技术由罗彻斯特大学的研究合著者于 10 年前提出，它依赖于一种特殊的薄膜，该薄膜可以让一些光子穿过，而不能让其他光子穿过，从而将散射光从近红外光转换为可见光范围。
然而，这种方法往往会产生渐晕效果的阴影，使图像边缘变暗，从而缩小视野。图像可能包含较浅或较暗斑点等伪影。
方法
研究人员将现有的成像技术与名为 DeepTimeGate 的机器学习框架合并。它有两个阶段，首先是经过训练以数学方式重建图像的算法。关键的补充是加州大学洛杉矶分校开发的第二个算法，它可以快速执行现实检查，根据物理基本规则限制结果。
影响
作者
披露
没有与本研究相关的任何披露。
期刊
该研究发表在《自然之光：科学与应用》杂志上。