cómo podemos ayudarlo
Para En un microscopio típico, existe una compensación entre la resolución espacial y la profundidad de campo, lo que significa que solo los objetos a la misma distancia de la lente puede enfocar claramente. incluso unas millonésimas de metro cerca o lejos de el objetivo de un microscopio, las características se verán borrosas. como resultado, muestras de microscopio de laboratoriosuelen ser delgados y montados entre diapositivas
en la actualidad, la sección se utiliza para examinar los márgenes del tumor y no es fácil de preparar. El tejido extraído generalmente se envía al laboratorio de un hospital, donde los expertos lo congelan o lo preparan con productos químicos, luego hacen secciones extremadamente delgadas y las adhieren a diapositivas. Este El proceso es lento y requiere equipos especializados y trabajadores capacitados. los hospitales rara vez pueden examinar los portaobjetos en el borde de los tumores durante cirugía, y las instituciones de salud pertinentes en muchas partes del mundo carecen del equipo y la experiencia necesarios.
DeepDOF utiliza una red neuronal de aprendizaje profundo y un sistema experto, que puede estudiar una gran cantidad de datos para tomar decisiones similares a humano. Los investigadores lo demostraron 1200 imágenes de una base de datos de cortes de tejido Desde esto, DeepDOF aprendido cómo elegir la mejor máscara de fase para obtener una imagen de una muestra específica y cómo eliminar el desenfoque de la imagen capturada de la muestra para enfocar células de diferentes profundidades.
Richards-Kortum, Rice's Malcolm Gillis catedrático universitario, catedrático de bioingeniería y director del arroz 360 ° instituto para la salud global dijo, “A se necesita un estudio clínico para averiguar si DeepDOF puede utilizarse tal como se propone para la evaluación del margen durante cirugía. Nosotros Esperamos comenzar la validación clínica el próximo año ”.