为什么DeepRecon是第一个可商用的蔡司X射线显微镜深度学习重建技术?
发布时间:2021-02-16 09:30:27作者:来源:点击:
构建深度学习技术的最大挑战之一是所得模型的可推广性。训练深度学习模型时,它是在特定的训练集上训练的。在这项技术的实现和开发中做了很多工作,以实现这一目标,并在特定的样本类别中尽可能全面地建立模型。
在蔡司,我们始终努力具有前瞻性,而深度学习和AI多年来一直是人们关注的焦点。但是,它是相对较新的技术,它在显微镜下的应用倍增,而且许多公司的技能和重点不一定都针对该技术。像这样的新技术需要一段时间才能被消化成特定的行业和特定的应用程序,从而进入广泛可用的商业产品。
迭代重建已经成为研究领域了很长一段时间,因此越来越多的人意识到这一点。在实施过程中面临的挑战更大–我们如何将技术纳入对普通用户来说是合理的软件包(即不需要超级计算机),并且参数优化是直观且用户友好的。
一般而言,神经网络的深度集成以及专门针对显微镜的深度学习将是其下一个重要领域。在这种技术和技术类别中,还有很多路要走,不仅在X射线方面,而且在整个成像光谱方面。这是我们的首次尝试-我希望蔡司在这一领域会出现更多的技术,如果长期以来其他制造商决定效仿我们,我也不会感到惊讶。