pg网赌软件下载

pg网赌软件下载

4月12日，科学期刊《自然-方法》（Nature Methods）以《基于广义荧光显微镜的图像恢复的预训练基础模型》（Pre-training a Foundation Model for Generalizable Fluorescence Microscopy-Based Image Restoration）为题刊发团队成果，他们发明的跨任务、多维度图像增强基础AI模型（UniFMIR），实现了对现有荧光显微成像极限的突破。

何为荧光显微镜？这类显微镜利用部分物质受紫外线照射后可发荧光的特性，以及通过染色让本不具有该特性的物质发出荧光，可以观察细胞内物质的吸收、运输、化学物质的分布及定位等。在分辨率方面，它远超普通光学显微镜0.2微米极限，到达观测分子的纳米尺度，是生命科学领域不可或缺的研究工具。自2006年横空出世，荧光显微镜已帮助全球科学家研制出了对帕金森氏症、阿尔茨海默氏症和亨廷顿氏症等神经退行性疾病更有针对性的治疗方法。

由于显微镜光学硬件和生物样本光敏感性（在荧光照射下，生物活性降低）带来的挑战，过去几年中，生命科学和计算机领域的科学家们开始携手探索用AI的路径来增强图像质量的办法。然而，成像模式多样、降质类型复杂、增强过程迥异等一系列问题，使得这一任务极具挑战性，于是，大多数科学家选择“每次解决一个问题”，聚焦于研制针对单一需求的“专有”AI模型。

“这次我们想到把AI图像增强技术应用于荧光显微镜上，并构建UniFMIR，出发点就是AI for Science。我们的模型为荧光显微镜图像增强提供了一个通用的解决方案，通过简单的参数微调便可应用于不同任务、成像模式和生物结构。未来，生命科学实验室的科学家们可通过进一步扩展训练数据的数据量和丰富度来不断强化UniFMIR的图像重构能力。”颜波对UniFMIR被用于更多类型实验的可能性充满信心。