Microscopie par apprentissage profond

Nous démontrons qu'un réseau de neurones profond peut considérablement améliorer la microscopie optique, en augmentant sa résolution spatiale sur un large champ de vision et une grande profondeur de champ. Après son entraînement, la seule entrée de ce réseau est une image acquise à l'aide d'un microscope optique régulier, sans aucune modification de son design. Nous avons testé à l'aveugle cette approche d'apprentissage profond en utilisant divers échantillons de tissus qui sont imagés avec des systèmes à faible résolution et à champ large, où le réseau produit rapidement une image avec une meilleure résolution, correspondant à la performance de objectifs à plus grande ouverture numérique et surpassant également de manière significative leur champ de vision et leur profondeur de champ limités. Ces résultats sont significatifs pour divers domaines qui utilisent des outils de microscopie, y compris, par exemple, les sciences de la vie, où la microscopie optique est considérée comme l'une des techniques les plus largement utilisées et déployées. Au-delà de telles applications, l'approche présentée pourrait être applicable à d'autres modalités d'imagerie, couvrant également différentes parties du spectre électromagnétique, et pourrait être utilisée pour concevoir des imagers computationnels qui s'améliorent à mesure qu'ils continuent à imager des spécimens et établissent de nouvelles transformations parmi différentes modalités d'imagerie.