یک روش جدید برای به دست آوردن تصویر سلولها با وضوح بالا از روی داده های فراصوت با وضوح پایین، پایش غیر تهاجمی طولانی تر از موجودات زنده را ممکن می سازد.

تصویر از: N. Fujiwara et al[1]

ابزار ترجیحی برای تصویربرداری از سلولها، میکروسکوپ نوری است، زیرا وضوح مورد نیاز برای ثبت اجزای اصلی یک سلول را دارد. اگر لازم باشد که سلولها فقط به مدت چند ساعت کوتاه مورد مشاهده قرار گیرند، این روش به خوبی کار می کند. اما برای زمانهای طولانی تر با شکست مواجه می شود. زیرا فوتون های چشمه نور در نهایت به سلولها آسیب وارد می کنند. تصویربرداری فراصوت، امکان زمان های مشاهده طولانی تر -24 ساعت یا بیشتر- را فراهم می کند. اما طول موج بلند آن که نمی تواند کوتاهتر از چند صد میکرومتر شود، به وضوحی منجر می شود که معمولا برای مفید بودن بسیار پایین است. اکنون هیرُتسوگو اُگی Hirotsugu Ogi و همکارانش از دانشگاه اوساکا ژاپن، یک روش مبتنی بر هوش مصنوعی (AI) ارائه کرده اند که می تواند وضوح پایین تصاویر سلولها را به وضوح بالا ارتقا دهد [1]. اُگی انتظار دارد که روش آنها بتواند وضوح انواع دیگر میکروسکوپ ها را نیز بهبود ببخشد.

پژوهشگران برای ارائه خود بیش از 100 هزار تصویر فراصوت و اپتیکی از سلولهای بنیادی زنده یکسان گردآوری کردند. سپس تصاویر به یک الگوریتم AI وارد شدند که برای یادگیری رابطه بین ویژگیهای دو مجموعه از تصاویر آموزش داده شده بود. گروه سپس الگوریتم را با یک مجموعه جدید از تصاویر فراصوت از سلولها آزمودند و دریافتند که تصاویر خروجی با تصاویر اپتیکی از این سلولها مطابقت دارد. اُگی می گوید که کلید موفقیت، گنجاندن هر دو سیگنال صوتی با فرکانس بالا و پایین در تصاویر بوده است. داده های فرکانس پایین، تشدیدهای مکانیکی هسته سلول را ثبت می کنند که معلوم شده برای اینکه الگوریتم AI به درستی آموزش داده شود لازم است.

1. N. Fujiwara et al., “Deep-learning generation of high-resolution images of live cells in culture using tri-frequency acoustic images,” Phys. Rev. X 15, 021015 (2025).

منبع:

AI Gives Ultrasound Imaging a Boost

ترجمه خبر: بهناز ساربانها