211service.com
Revelando lo invisible
Cortesía de los investigadores
Las pequeñas imperfecciones en una copa de vino o los pequeños pliegues en una lente de contacto pueden ser difíciles de distinguir, incluso con buena luz. Pero los ingenieros del MIT han desarrollado una técnica de aprendizaje automático que puede revelar estas características y objetos invisibles en la oscuridad.
La clave era una red neuronal, un tipo de software que se puede entrenar para asociar ciertas entradas con salidas específicas, en este caso, imágenes oscuras y granuladas de objetos transparentes y los propios objetos.
El equipo alimentó la red con imágenes extremadamente granuladas de más de 10 000 patrones de grabado transparentes de circuitos integrados. Las imágenes se tomaron en condiciones de muy poca iluminación, con aproximadamente un fotón por píxel, mucha menos luz de la que registraría una cámara en una habitación oscura y sellada. Luego le mostraron a la red neuronal una nueva imagen granulada, no incluida en los datos de entrenamiento, y descubrieron que podía reconstruir el objeto transparente que la oscuridad había oscurecido.
Los investigadores configuraron su cámara para tomar imágenes ligeramente desenfocadas, lo que proporciona evidencia, en forma de ondas en la luz detectada, de que puede estar presente un objeto transparente.
Pero el desenfoque también genera desenfoque, lo que puede enturbiar los cálculos de una red neuronal. Para producir una imagen más nítida y precisa, los investigadores incorporaron a la red neuronal una ley de la física que describe cómo la luz crea un efecto borroso cuando una cámara está desenfocada.
El equipo repitió sus experimentos con otras 10.000 imágenes de objetos más generales y variados, incluidas personas, lugares y animales. Una vez más, la red neuronal con el algoritmo de física incorporado pudo recrear una imagen de un grabado transparente que se había tomado en la oscuridad.
Los resultados demuestran que las redes neuronales se pueden utilizar para iluminar elementos transparentes, como células y tejidos biológicos, en imágenes tomadas con muy poca luz.
Si haces estallar las células biológicas con luz, las quemas y no queda nada para la imagen, dice George Barbastathis, profesor de ingeniería mecánica. Si expone a un paciente a rayos X, aumenta el peligro de que pueda contraer cáncer.
Lo que estamos haciendo aquí [significa] que puede obtener la misma calidad de imagen, pero con una menor exposición al paciente. Y en biología, puede reducir el daño a las muestras biológicas cuando desee tomar muestras.