Американские исследователи автоматизировали процесс обработки изображений наночастиц, полученных при помощи жидкофазной просвечивающей электронной микроскопии. В этом им помогла известная нейросеть U-Net. Исследование опубликовано в ACS Central Science. Увидеть даже достаточно крупные наночастицы — задача не из лёгких.
Обычный оптический микроскоп с ней не справится, зато электронный микроскоп — может. При помощи жидкофазной просвечивающей электронной микроскопии можно отслеживать изменения, происходящие с наночастицами в растворе. Например, можно записать, как образуются зародыши нанокристаллов, как эти нанокристаллы растут. Всё это даёт учёным важную информацию, на основе которой выдвигаются предположения о механизмах превращений веществ и строятся теории. Детекторы в современных приборах для жидкофазной просвечивающей электронной микроскопии могут получать изображения с частотой в тысячи кадров в секунду. Обработка такого огромного объëма данных сложна сама по себе и требует автоматизации. Осложняет этот процесс ещё и то, что зачастую изображения имеют плохую контрастность объект-фон, содержат много шумов и различных дефектов. Решить эту проблему учёным из США помогло машинное обучение. Разработанная ими программа основана на существующей нейронной сети U-Net — как отмечают авторы, её уже применяли в решении задач классификации пикселей изображения. Исследователи добились эффективной и точной идентификации границ наночастиц, даже если соотношение шум/сигнал достаточно велико, а сами частицы неоднородны и перекрываются. Однако стоит учитывать, что в своём исследовании учёные обрабатывали изображения наночастиц золота, которые достаточно легко увидеть в электронный микроскоп. Для более лёгких частиц — например, белков, полимеров, органических наночастиц — уже проявляются серьезные проблемы с контрастом. Развитие предложенного авторами метода для таких частиц сделает возможным, например биологические приложения, визуализацию биомолекул. Автор: Максим МазуринРедактор: Анастасия Воротникова