Pesquisadores da Escola de Engenharia da UCLA Samueli demonstraram que o aprendizado profundo, uma forma poderosa de inteligência artificial, pode discernir e aprimorar detalhes microscópicos em fotos tiradas por smartphones. A técnica melhora tanto a resolução e os detalhes de cor das imagens de smartphones que se aproximam da qualidade das imagens de microscópios de laboratório.

O avanço pode ajudar a trazer diagnósticos médicos de alta qualidade para regiões com poucos recursos, onde as pessoas de outra forma não têm acesso a tecnologias de diagnóstico de ponta. E a técnica usa acessórios que podem ser produzidos de forma econômica com uma impressora 3-D, por menos de US $ 100 por unidade, versus os milhares de dólares que custaria para comprar equipamentos de laboratório que produzem imagens de qualidade semelhante.

As câmeras dos smartphones atuais são projetadas para fotografar pessoas e paisagens, não produzir imagens microscópicas de alta resolução. Assim, os pesquisadores desenvolveram um anexo que pode ser colocado sobre a lente do smartphone para aumentar a resolução e a visibilidade de pequenos detalhes das imagens que eles tiram, até uma escala de aproximadamente um milionésimo de metro.

Mas isso só resolveu parte do desafio, porque nenhum acessório seria suficiente para compensar a diferença de qualidade entre os sensores e lentes de imagem das câmeras dos smartphones e os de equipamentos de laboratório de última geração. A nova técnica compensa a diferença usando inteligência artificial para reproduzir o nível de resolução e detalhes de cores necessários para uma análise de laboratório.

A pesquisa foi liderada por Aydogan Ozcan, Professor do Chanceler de Engenharia Elétrica e de Computação e Bioengenharia, e Yair Rivenson, um bolsista de pós-doutorado da UCLA. O grupo de pesquisa de Ozcan introduziu várias inovações em microscopia móvel e detecção, e mantém um foco particular no desenvolvimento de diagnósticos médicos portáteis de campo e sensores para áreas com poucos recursos.

"Usando o aprendizado profundo, decidimos preencher a lacuna na qualidade de imagem entre microscópios baseados em telefones celulares baratos e microscópios de bancada padrão-ouro que usam lentes de última geração, "Disse Ozcan." Acreditamos que nossa abordagem seja amplamente aplicável a outros sistemas de microscopia de baixo custo que usam, por exemplo, lentes ou câmeras baratas, e poderia facilitar a substituição de microscópios de bancada de última geração por microscópios de baixo custo, alternativas móveis. "

Ele acrescentou que a nova técnica pode encontrar inúmeras aplicações na saúde global, aplicações relacionadas à telemedicina e diagnósticos.

Os pesquisadores capturaram imagens de amostras de tecido pulmonar, sangue e esfregaços de Papanicolaou, primeiro usando um microscópio padrão de laboratório, e, em seguida, com um smartphone com o acessório de microscópio impresso em 3D. Os pesquisadores então alimentaram os pares de imagens correspondentes em um sistema de computador que "aprende" como melhorar rapidamente as imagens de telefones celulares. O processo depende de um código de computador baseado em aprendizado profundo, que foi desenvolvido pelos pesquisadores da UCLA.

Para ver se sua técnica funcionaria em outros tipos de imagens de qualidade inferior, os pesquisadores usaram o aprendizado profundo para realizar transformações semelhantes com sucesso com imagens que perderam alguns detalhes porque foram compactadas para transmissão mais rápida em uma rede de computadores ou armazenamento mais eficiente.

O estudo foi publicado em ACS Photonics , um jornal da American Chemical Society. Ele se baseia em estudos anteriores do grupo de Ozcan que usaram o aprendizado profundo para reconstruir hologramas e melhorar a microscopia.