Một nhóm nghiên cứu tại trường Đại học California đã phát minh ra kỹ thuật mở rộng khả năng của kính hiển vi huỳnh quang, cho phép các nhà khoa học dán nhãn chính xác các bộ phận của tế bào sống và mô bằng thuốc nhuộm phát sáng dưới tác động của ánh sáng đặc biệt. Các nhà nghiên cứu đã sử dụng trí tuệ nhân tạo để biến đổi hình ảnh 2D thành 3D cho thấy hoạt động bên trong của các sinh vật.

Trong một nghiên cứu được công bố trên tạp chí Nature Methods vào ngày 4/11/2019, các nhà khoa học cũng nêu rõ kết cấu Deep Deep-Z đã có thể sửa lỗi hoặc quang sai trong ảnh, như khi một mẫu bị nghiêng hoặc cong. Hơn nữa, nhóm nghiên cứu đã chứng minh hệ thống có thể lấy hình ảnh 2D từ một loại kính hiển vi và gần như tạo ra hình ảnh 3D của mẫu như thể chúng được tạo ra bằng kính hiển vi khác, hiện đại hơn.

“Đây là phương pháp mới, rất mạnh mẽ có sự hỗ trợ của kỹ thuật học sâu để tạo nên hình ảnh 3D về các mẫu vật sống tiếp xúc ít với ánh sáng nhất vì ánh sáng có thể ảnh hưởng xấu đến các mẫu”, Aydogan Ozcan, giáo sư điện và máy tính và là đồng tác giả nghiên cứu cho biết.

Ngoài để các mẫu vật tránh được liều lượng ánh sáng có khả năng gây hại, hệ thống này có thể cung cấp cho các nhà sinh vật học và các nhà nghiên cứu khoa học sự sống một công cụ mới để chụp ảnh 3D đơn giản, nhanh và ít tốn kém hơn nhiều so với các phương pháp hiện tại. Cơ hội để sửa chữa quang sai sẽ cho phép các nhà khoa học nghiên cứu sinh vật sống để thu thập dữ liệu từ các hình ảnh, đáng lẽ không thể sử dụng được. Các nhà nghiên cứu cũng có quyền truy cập ảo vào các thiết bị đắt tiền và phức tạp.

Nghiên cứu này dựa trên một kỹ thuật trước đó mà Ozcan và các cộng sự của ông đã phát triển, cho phép tạo ra hình ảnh kính hiển vi huỳnh quang 2D có độ phân giải siêu cao. Cả hai kỹ thuật này đều cải tiến kính hiển vi bằng cách dựa vào kỹ thuật học sâu - sử dụng dữ liệu để “đào tạo” mạng lưới thần kinh, một hệ thống máy tính mô phỏng não người.

Deep-Z được “dạy” sử dụng hình ảnh thử nghiệm từ kính hiển vi huỳnh quang quét, lấy hình ảnh tập trung tại nhiều độ sâu để thu được hình ảnh 3D của mẫu. Trong hàng nghìn lần đào tạo, mạng lưới thần kinh đã học cách chụp ảnh 2D và suy ra các lát 3D chính xác ở độ sâu khác nhau trong mẫu. Sau đó, khung Deep-Z được kiểm tra.

Nhóm nghiên cứu đã áp dụng khung Deep-Z cho hình ảnh của C. Elegans, loài giun tròn là mô hình phổ biến trong khoa học thần kinh vì nó có hệ thống thần kinh đơn giản và được hiểu rõ. Khi chuyển đổi một bộ phim 2D về loài giun này sang 3D, từng khung hình, các nhà nghiên cứu có thể theo dõi hoạt động của từng tế bào thần kinh trong cơ thể giun. Và bắt đầu bằng một hoặc hai hình ảnh 2D của C. Elegans được chụp ở các độ sâu khác nhau, Deep-Z đã tạo ra hình ảnh 3D ảo cho phép nhóm nghiên cứu xác định các tế bào thần kinh riêng lẻ trong giun, phù hợp với đầu ra 3D của kính hiển vi quét, ngoại trừ cho sinh vật sống tiếp xúc ít ánh sáng nhất.

Các nhà nghiên cứu cũng phát hiện ra rằng Deep-Z có thể tạo ra hình ảnh 3D từ các bề mặt 2D nơi các mẫu bị nghiêng hoặc cong - mặc dù mạng lưới thần kinh chỉ được đào tạo với các lát 3D hoàn toàn song song với bề mặt của mẫu.

Trong các thí nghiệm khác, Deep-Z đã được đào tạo với hình ảnh từ hai loại kính hiển vi huỳnh quang: trường rộng cho toàn bộ mẫu tiếp xúc với nguồn sáng; và tiêu điểm, sử dụng tia laser để quét từng phần của mẫu. Nhóm nghiên cứu đã chỉ ra rằng khung của họ sau đó có thể sử dụng hình ảnh kính hiển vi trường rộng 2D về mẫu để tạo ra hình ảnh 3D gần giống với hình ảnh được chụp bằng kính hiển vi đồng tiêu. Chuyển đổi này có giá trị vì kính hiển vi đồng tiêu cho hình ảnh sắc nét hơn, có độ tương phản cao hơn so với trường rộng. Mặt khác, kính hiển vi trường rộng chụp ảnh với chi phí thấp hơn và ít yêu cầu kỹ thuật hơn.

“Đây là nền tảng thường áp dụng cho các cặp kính hiển vi khác nhau, mà không chỉ chuyển đổi từ trường rộng sang tiêu điểm”, Yair Rivenson, phó giáo sư kỹ thuật điện và máy tính tại UCLA nói. “Mỗi loại kính hiển vi có ưu, nhược điểm riêng. Với khuôn khổ này, bạn có thể khai thác tốt nhất cả hai thế giới bằng cách sử dụng trí tuệ nhân tạo để kết nối các loại kính hiển vi khác nhau bằng kỹ thuật số”.

N.P.D (NASATI), theo https://scitechdaily.com/artificial-intelligence-converts-2d-images-into-3d-using-deep-learning-video/, 9/11/2019