研究者が教師なし学習を発表

2023 年 5 月 26 日

この記事は、Science X の編集プロセスとポリシーに従ってレビューされています。 編集者は、コンテンツの信頼性を確保しながら、次の属性を強調しました。

事実確認済み

査読済みの出版物

信頼できる情報源

校正する

中国科学院による

光ファイバーイメージング法は、自由空間光学技術ではアクセスできない中空器官や組織の奥深くの生体内イメージングを可能にし、内視鏡診断や脳深部イメージングなどの臨床実践や基礎研究において重要な役割を果たしています。

最近、教師あり学習ベースの光ファイバーイメージング手法が、ファイバー配信された劣化した画像やスクランブルされたスペックルパターンから高忠実度の画像を復元する優れた性能により人気を集めています。 これらの手法は成功しているにもかかわらず、厳密にペアになったラベル付けと大規模なトレーニング データセットの要件によって根本的に制限されています。

厳しいトレーニング データ要件により、時間のかかるデータ取得、複雑な実験計画、退屈なシステム キャリブレーション プロセスが発生し、実際のアプリケーションのニーズを満たすことが困難になります。

『Light: Science & Applications』の最近の出版物では、マサチューセッツ工科大学ピコワー学習記憶研究所の Jian Zhao 博士、光学フォトニクス大学 (CREOL) の Xiaowen Hu 博士および Axel Schülzgen 博士が執筆しています。セントラルフロリダ大学とその同僚は、教師なし学習ベースの光ファイバーイメージングシステムを発表しました。

このシステムは、Restore-CycleGAN というカスタマイズされた Cycle Generative Adversarial Network (CyleGAN) と Glass-Air Anderson Localizing Optical Fiber (GALOF) を統合します。 Restore-CycleGAN のアプリケーションは、ラベル付きトレーニング データの制限を取り除き、高品質のイメージング回復を維持します。一方、GALOF のモードの独自の物理的特性は、高忠実度で非常に堅牢なイメージング プロセスをサポートし、ペアのないイメージング トレーニングの実装の成功を保証します。

学習アルゴリズムと光学デバイス間の相互促進により、Restore-CycleGAN-GALOF メソッドは、簡単なワンショット トレーニング プロセスを使用して、長さ 1 メートルの光ファイバーを介したフルカラーの生体画像のほぼアーチファクトのない堅牢な転送を実現します。ペアのトレーニング画像データを必要とせず、わずか 1000 個の画像ペアからなる小規模なトレーニング データセット。 訓練データのサイズは、以前に報告された教師あり学習方法と比較して約 10 分の 1 に削減されます。

Restore-CycleGAN-GALOF メソッドは、透過イメージング モードと反射イメージング モードの両方で、ヒトおよびカエルの血球、ヒト好酸球、ヒト胃がん細胞などのさまざまな生体サンプルに対する高忠実度のフルカラー画像転送機能を実証しました。

さらに、このイメージングプロセスは、60 度の強い機械的ファイバー曲げに対する復元力と、最大 6 ミリメートルの大きな作動距離変動を示しました。 注目すべきことに、Restore-CycleGAN-GALOF メソッドは、トレーニング プロセスには決して含まれなかったテスト データに対して高精度の予測を生成し、小規模データ領域における強力な一般化を示しています。

Restore-CycleGAN-GALOF の優れたパフォーマンスにもかかわらず、システム設計と実験プロセスは比較的シンプルです。 科学者らは、自身のイメージング手法の重要性を次のように要約している。「ファイバーデバイスの遠位端にアクセスし、十分なトレーニングデータを収集することは、実際の応用では困難である。独特の中空器官または生体組織環境により、堅牢な画像伝送にはさらなる困難が生じる。」

「それでも、私たちの Restore-CycleGAN-GALOF メソッドは、少量のトレーニング データのみを必要とし、画像の特徴をペアにする必要がありません。少量のデータ領域では、このメソッドは、非常に堅牢で強力な一般化可能なフルカラー イメージングを保証します。その結果、さまざまな実際の生物医学用途を満たすのに適しています。」

「私たちの技術は、次世代の光ファイバーイメージングシステムの基礎を築くことが期待されています。私たちの将来の研究は、実用的な内視鏡システムの開発と、関連する生物医学応用テストの実施に焦点を当てます。私たちは、私たちの方法論を通じて医療診断と基礎的な生物学的研究を進歩させることを目指しています」 」と科学者たちは付け加えた。

詳しくは： Xiaowen Hu 他、無秩序な光ファイバーによる教師なしフルカラー細胞画像再構成、Light: Science & Applications (2023)。 DOI: 10.1038/s41377-023-01183-6

雑誌情報:光: 科学と応用

中国科学院提供