L'apprentissage en profondeur est un outil potentiel pour les scientifiques pour glaner plus de détails à partir d'images à faible résolution en microscopie, mais il est souvent difficile de rassembler suffisamment de données de base pour former les ordinateurs au processus. Maintenant, une nouvelle méthode développée par des scientifiques du Salk Institute pourrait rendre la technologie plus accessible en prenant des images haute résolution, et les dégrader artificiellement.

Le nouvel outil, que les chercheurs appellent un « cappifier, " pourrait permettre aux scientifiques d'obtenir plus facilement des images détaillées de cellules ou de structures cellulaires qui étaient auparavant difficiles à observer car elles nécessitent des conditions de faible luminosité, comme les mitochondries, qui peuvent se diviser lorsqu'elles sont sollicitées par les lasers utilisés pour les éclairer. Cela pourrait aussi aider à démocratiser la microscopie, permettant aux scientifiques de capturer des images haute résolution même s'ils n'ont pas accès à des microscopes puissants. Les résultats ont été publiés le 8 mars 2021, dans la revue Méthodes naturelles .

"Nous investissons des millions de dollars dans ces microscopes, et nous luttons toujours pour repousser les limites de ce qu'ils peuvent faire, " dit Uri Manor, directeur du Waitt Advanced Biophotonics Core Facility à Salk. "C'est le problème que nous essayions de résoudre avec l'apprentissage en profondeur."

L'apprentissage en profondeur est un type d'intelligence artificielle (IA) dans lequel les algorithmes informatiques apprennent et s'améliorent en étudiant des exemples. Pour utiliser l'apprentissage en profondeur pour améliorer les images du microscope, soit en améliorant la résolution (netteté) ou en réduisant le "bruit" de fond, il faudrait montrer au système de nombreux exemples d'images haute et basse résolution. C'est un problème, car la capture d'images de microscopie parfaitement identiques en deux expositions distinctes peut être difficile et coûteuse. C'est particulièrement difficile lors de l'imagerie de cellules vivantes qui pourraient se déplacer pendant le processus.

C'est là qu'intervient le fou. D'après Manor, la méthode prend des images de haute qualité et les dégrade informatiquement, de sorte qu'elles ressemblent aux images à faible résolution les plus basses que l'équipe obtiendrait.