文/陳根

顯微圖像處理是數字圖像處理的一個重要研究領域，隨著技術的不斷發展，其已經在材料、生物、醫學等領域得到了廣泛應用。目前的顯微圖像處理通常利用圖像采集系統將顯微圖像采集到計算機中再進行圖像處理。如何從龐大的數據圖像中檢索出盡可能多的信息，這對研究人員來說是一大難題。

近日，由哥德堡大學科研團隊開發的了一款AI 工具，或能解決這一難題。該工具利用深度學習技術，通過查看大量的圖像，即數據訓練，可以準確地從圖像中檢索出研究人員想要的信息。

與必須手動制作訓練數據相比，該工具簡化了制作數據訓練的過程。在這里，深度學習可以被描述為一種數學模型，能夠在一個小時內生成數萬張圖像，而不是一個月內生成一百張，這就大大提升了顯微圖像分析的效率。

另外，該工具分析出的結果是可重復的，可以為特定目的檢索定制特定的信息目錄，這就使得從顯微鏡圖像中快速提取更多的細節成為可能。目前，該工具已經取得了國際認可，對現有的顯微圖像分析系統產生了重要影響，在科研和工業領域的也有較高的應用前景。

值得一提的是，這款深度學習工具允許用戶決定顆粒大小和材料特征，并能輕松地對細胞進行計數和分類。未來，該工具有望用來跟蹤細胞中的感染情況，并繪制細胞防御機制圖，為藥物研發和疾病治療提供更多的可能性。