В 1948 году, предшествуя лазерам более чем на десятилетие, Габор предложил «новый микроскопический принцип», который первоначально был направлен на коррекцию сферических аберраций в электронной микроскопии. Несмотря на то, что метод не оказал воздействия в своей первоначальной области, он открыл новое направление, известное как голография, в оптике.
Техника Габора позволяет хранить фазовую информацию, записывая на пленку интенсивность поля, возникающего на определенном расстоянии от объекта. Изображение самого объекта затем можно восстановить, проливая тот же падающий свет на пленку. Голография оказала влияние на общество мирян, особенно из-за того, что параллакс заставил изображаемые объекты выглядеть «трехмерными». Тем не менее, этот тип страдает от серьезного ограничения: сфокусированное изображение всегда накладывается на несфокусированную версию самого себя. Причина этого ограничения заключается в следующем: так как записанный сигнал является реальным (сигнал интенсивности), ее преобразование Фурье эрмитов, состоящий из двух комплексных конъюгирован терминов, а именно, в фокусе и двойной изображения. Это препятствовало тому, чтобы голография стала практическим инструментом, пока учёные не сообщили о внеосевой голографии, которая сдвигает двойное изображение от оптической оси.
В последние годы сочетание фазово-контрастной микроскопии и голографии с цифровыми детекторами позволило получить карты оптической длины пути, связанные с прозрачными образцами, что оказалось полезным в биомедицинских приложениях. Таким образом, количественная фазовая визуализация (КФВ) обеспечивает способ визуализации без меток без фототоксичности и фотообесцвечивания, связанных с флуоресценцией. КФВ решает проблему двойного изображения с помощью сдвига фазы или внеосевой интерферометрии.
Губокое обучение может использоваться для удаления двойного изображения из измерения с одной интенсивностью, что устраняет необходимость в специализированных интерферометрах и множественных измерениях. Этот метод нейронной сети свертки обеспечивает быстрое средство для восстановления фазового изображения для различных образцов клеток. Поскольку поиск фазы полностью вычислительный, а система формирования изображения требует только измерения интенсивности, обеспечиваемого обычным детектором, способ может быть реализован в очень компактном, портативном приборе.
В результате группа ученых предоставили такой инструмент, предназначенный для высокопроизводительного анализа проб морской воды.
Планктон представляет собой важный компонент морской экосистемы, и изучение его состава имеет большое значение. Очевидно, что приборы, предназначенные для этой проблемы, должны работать в полевых условиях с высокими показателями сбора данных, чтобы можно было протестировать значительное количество воды. Встроенная голографическая система в сочетании с машинным обучением, выполняет эту задачу и позволяет в реальном времени тестировать морскую воду со скоростью 100 мл / ч. Система работает от батареи ноутбука и чрезвычайно портативна. Используя преимущества параллельной обработки, система может разрешать 700 объектов / мл и смягчать размытость при движении, используя информацию о цвете, доступную для каждого пикселя.
Это очень захватывающие времена для искусственного интеллекта (ИИ). Первоначально управляемые огромным количеством данных, генерируемых потребительскими продуктами, алгоритмы машинного обучения теперь также открывают новые возможности в научных приложениях. Имея большое количество высококачественных обучающих данных, ИИ является мощным инструментом для сегментации и классификации, который может повлиять на целый ряд биомедицинских областей, таких как гистопатология, радиология, геномика и клеточная биология.
Конечно, ИИ также создает некоторые проблемы. Например, многие проблемы не представляют уникальных решений (таких как поиск фазы по сигналам интенсивности, описанным выше); таким образом, результаты должны быть ограничены и подтверждены предшествующими знаниями, закрепленными в физической реальности. Однако сочетание искусственного интеллекта с подлинным (человеческим) интеллектом скорее всего, станет широко распространенной частью научного метода в будущем.