Nuevo método mejora la resolución de la microscopia electrónica con ayuda de la inteligencia artificial

Publicado el
Nuevo método mejora la resolución de la microscopia electrónica con ayuda de la inteligencia artificial

La izquierda y la derecha muestran imágenes de la misma región en la muestra. Pero la imagen de la derecha ha sido súper resuelta usando el nuevo método (Universidad de Texas A&M)

La microscopía electrónica, desde principios de 1930, nos permitió mirar hacia un pequeño mundo que permanecía escondido a nuestros ojos. Esta técnica nos reveló detalles intrincados que de otro modo serían imposibles de observar con la microscopía óptica convencional.

Sin embargo, si queremos mejorar esta tecnología, nos enfrentamos con un obstáculo. Lograr una alta resolución en un área de muestra grande requiere aumentar la energía de los electrones. Esto no solo es costoso, sino que puede comprometer la integridad de la muestra que se quiere observar.

Ahora, un equipo de científicos parece haber encontrado un nuevo método para lograrlo con ayuda de algoritmos de inteligencia artificial. Al entrenar redes neuronales profundas en pares de imágenes de la misma muestra en diferentes resoluciones, las imágenes de baja resolución convencionales pueden mejorar significativamente.

“Normalmente, un haz de electrones de alta energía pasa a través de la muestra en lugares donde se desea una mayor resolución de imagen. Pero con nuestras técnicas de procesamiento de imágenes, podemos superresolver una imagen completa usando solo unas pocas imágenes de alta resolución y de menor tamaño”, explicó el Dr. Yu Ding, coautor del estudio.

“Este método es menos destructivo ya que la mayoría de las partes de la muestra no necesitan ser escaneadas con haces de electrones de alta energía”, agregó.

Los resultados del estudio, realizado por investigadores de la Universidad de Texas A&M, se publicaron en Institute of Electric and Electronics Engineers’ Transactions on Image Processing.

Microscopía electrónica

A diferencia de la microscopía óptica, en la que se utilizan fotones o pequeños paquetes de luz para iluminar un objeto, en la microscopía electrónica se utiliza un haz de electrones. Los electrones reflejados desde el objeto o que lo atraviesan se recogen para formar una imagen, denominada micrografía electrónica. Esto representa una gran ventaja; ‘contar’ electrones es más fácil que ‘contar’ fotones.

En este sentido, la energía de los haces de electrones juega un papel fundamental para determinar la resolución de las imágenes. Es decir, cuanto mayor sea la energía de los electrones, mejor será la resolución.

Entonces la solución sería incrementar la energía de los electrones, ¿no? Los electrones más energéticos podrían comprometer la integridad de la muestra, dañándola de la misma manera en que la luz ultravioleta puede dañar nuestra piel. Dañar la muestra que pretendemos observar no parece ser una opción.

«Siempre existe ese dilema para los científicos», dijo Ding. «Para mantener la integridad de la muestra, los haces de electrones de alta energía se utilizan con moderación. Pero si no se utilizan haces energéticos, la alta resolución o la capacidad de ver a escalas más finas se vuelven limitadas».

Redes neuronales

Para evitar este obstáculo, los investigadores hicieron uso de una red neuronal, un tipo de algoritmo de inteligencia artificial.

Primero, el equipo tomó una imagen de baja resolución de un espécimen y luego sometieron aproximadamente el 25% del área bajo observación a haces de electrones de alta energía para obtener una imagen de alta resolución. Obtuvieron dos imágenes: una de baja resolución y otra de alta.

Los investigadores notaron que la información en el par de imágenes están estrechamente correlacionadas y que podría aprovecharse aunque el conjunto de datos disponible sea pequeño.

De esa manera, utilizaron 22 pares de imágenes de materiales infundidos con nano partículas para entrenar a su red neuronal. Con esto, el algoritmo se familiarizó con el reconocimiento de características de la imagen, como los bordes.

Luego, la red neuronal fue puesta a prueba en una nueva imagen de baja resolución para la que no había una contra parte de alta resolución. El equipo encontró que su algoritmo podía mejorar las características que eran difíciles de discernir hasta en un 50%.

«Nuestra técnica de procesamiento de imágenes emparejadas revela detalles en imágenes de baja resolución que antes no eran discernibles», dijo Ding. «Todos estamos familiarizados con la función de varita mágica de nuestros teléfonos inteligentes. Hace que la imagen sea más clara. Lo que pretendemos hacer a largo plazo es proporcionar a la comunidad de investigadores una herramienta similar y conveniente para mejorar las micrografías electrónicas».

Deja una respuesta

Tu dirección de correo electrónico no será publicada.