Des chercheurs de la UCLA Samueli School of Engineering ont démontré que l'apprentissage en profondeur, une forme puissante d'intelligence artificielle, peut discerner et améliorer les détails microscopiques des photos prises par les smartphones. La technique améliore tellement la résolution et les détails des couleurs des images des smartphones qu'elles se rapprochent de la qualité des images des microscopes de laboratoire.

L'avancée pourrait aider à apporter des diagnostics médicaux de haute qualité dans les régions pauvres en ressources, où les gens n'ont autrement pas accès aux technologies de diagnostic haut de gamme. Et la technique utilise des pièces jointes qui peuvent être produites à moindre coût avec une imprimante 3D, à moins de 100 $ pièce, par rapport aux milliers de dollars qu'il en coûterait pour acheter un équipement de laboratoire produisant des images de qualité similaire.

Les appareils photo des smartphones d'aujourd'hui sont conçus pour photographier des personnes et des paysages, ne pas produire d'images microscopiques à haute résolution. Les chercheurs ont donc développé un accessoire qui peut être placé sur l'objectif du smartphone pour augmenter la résolution et la visibilité des petits détails des images qu'ils prennent, jusqu'à une échelle d'environ un millionième de mètre.

Mais cela n'a résolu qu'une partie du défi, car aucun accessoire ne suffirait à compenser la différence de qualité entre les capteurs d'image et les objectifs des appareils photo des smartphones et ceux des équipements de laboratoire haut de gamme. La nouvelle technique compense la différence en utilisant l'intelligence artificielle pour reproduire le niveau de résolution et les détails de couleur nécessaires à une analyse en laboratoire.

La recherche a été dirigée par Aydogan Ozcan, Professeur chancelier de génie électrique et informatique et de bio-ingénierie, et Yair Rivenson, un chercheur postdoctoral de l'UCLA. Le groupe de recherche d'Ozcan a introduit plusieurs innovations en microscopie et détection mobiles, et il maintient un accent particulier sur le développement de diagnostics médicaux et de capteurs portables sur le terrain pour les zones pauvres en ressources.

"En utilisant l'apprentissage en profondeur, nous avons entrepris de combler l'écart de qualité d'image entre les microscopes peu coûteux basés sur les téléphones portables et les microscopes de paillasse de référence qui utilisent des objectifs haut de gamme, " Ozcan a déclaré. "Nous pensons que notre approche est largement applicable à d'autres systèmes de microscopie à faible coût qui utilisent, par exemple, objectifs ou appareils photo bon marché, et pourrait faciliter le remplacement des microscopes de paillasse haut de gamme par des alternatives mobiles."

Il a ajouté que la nouvelle technique pourrait trouver de nombreuses applications en santé mondiale, applications liées à la télémédecine et au diagnostic.

Les chercheurs ont pris des images d'échantillons de tissus pulmonaires, frottis sanguins et Pap, d'abord à l'aide d'un microscope standard de laboratoire, puis avec un smartphone avec l'accessoire de microscope imprimé en 3D. Les chercheurs ont ensuite introduit les paires d'images correspondantes dans un système informatique qui « apprend » comment améliorer rapidement les images des téléphones portables. Le processus repose sur un code informatique basé sur le deep learning, qui a été développé par les chercheurs de l'UCLA.

Pour voir si leur technique fonctionnerait sur d'autres types d'images de moindre qualité, les chercheurs ont utilisé l'apprentissage en profondeur pour effectuer avec succès des transformations similaires avec des images qui avaient perdu certains détails car elles étaient compressées pour une transmission plus rapide sur un réseau informatique ou un stockage plus efficace.

L'étude a été publiée dans ACS Photonique , un journal de l'American Chemical Society. Il s'appuie sur des études antérieures du groupe d'Ozcan qui ont utilisé l'apprentissage en profondeur pour reconstruire des hologrammes et améliorer la microscopie.