comment pouvons-nous vous aider
Pour un microscope typique, il y a un compromis entre la résolution spatiale et la profondeur de champ, ce qui signifie que seuls les objets à la même distance de l'objectif peut se concentrer clairement. même quelques millionièmes de mètre près ou loin de l'objectif d'un microscope, les traits seront flous. Par conséquent, échantillons de microscope de laboratoiresont généralement minces et montées entre les diapositives.
actuellement, la coupe est utilisée pour examiner les marges de la tumeur, et il n'est pas facile à préparer. Le tissu prélevé est généralement envoyé à un laboratoire de l'hôpital, où les experts le congèlent ou le préparent avec des produits chimiques, puis en font des sections extrêmement fines et les fixent aux diapositives. Ceci processus prend du temps et nécessite un équipement spécialisé et des travailleurs formés. les hôpitaux peuvent rarement examiner les lames au bord des tumeurs pendant la chirurgie, et les établissements de santé concernés dans de nombreuses régions du monde n'ont pas l'équipement et l'expertise nécessaires.
DeepDOF utilise un réseau de neurones d'apprentissage en profondeur et un système expert, qui peut étudier un grand nombre de données pour prendre des décisions similaires à humain. Les chercheurs l'ont montré 1200 images de une base de données de tranches de tissu. De ceci, DeepDOF appris comment pour choisir le meilleur masque de phase pour imager un échantillon spécifique, et comment supprimer le flou de l'image capturée de l'échantillon pour focaliser des cellules de différentes profondeurs.
Richards-Kortum, Rice's Malcolm Gillis Professeur d'université, professeur de bio-ingénierie et directeur du riz 360 ° Institut pour la santé mondiale a déclaré: “A une étude clinique est nécessaire pour savoir si DeepDOF peut être utilisé comme proposé pour l'évaluation de la marge pendant chirurgie. Nous espère commencer la validation clinique dans l'année à venir. »