L'IA basée sur la physique pourrait stimuler l'imagerie biomédicale et les capteurs de véhicules autonomes

Une équipe de recherche dirigée par des institutions telles que l'Université de Californie à Los Angeles (UCLA) et l'Université de Rochester a dévoilé une percée dans la technologie d'imagerie qui exploite l'intelligence artificielle basée sur la physique. Cette avancée promet d'améliorer à la fois l'imagerie biomédicale et les systèmes de capteurs utilisés dans les véhicules autonomes.

Plus précisément, il intègre une méthode connue sous le nom de DeepTimeGate, qui se compose de deux phases distinctes. La première phase implique un algorithme formé pour reconstruire mathématiquement des images à partir de données de lumière dispersée. La deuxième étape introduit un nouvel algorithme développé à l'UCLA qui applique des contraintes physiques pour s'assurer que les images reconstruites adhèrent aux lois de la physique. Cette approche en deux étapes réduit efficacement les distorsions visuelles et améliore la clarté. Dans les tests de laboratoire, le système a démontré des améliorations remarquables par rapport aux technologies actuelles.

Lorsqu'il est appliqué à des images d'étalonnage standard obscurcies par des supports complexes, le nouveau système atteint un rapport signal-bruit plus du double de celui de ses prédécesseurs. En outre, il produit des images de haute qualité presque instantanément, complétant le processus en quelques millièmes de seconde.

Il utilise des caméras à base de silicium, similaires à celles des appareils électroniques grand public, associées à des films spécialisés qui filtrent la lumière pour la rendre visible. Bien que cette méthode offre des solutions rentables, elle souffrait auparavant de problèmes tels que la vignettage, qui entraîne des bords d'image assombris et un champ de vision réduit, ainsi que des artefacts indésirables apparaissant comme des taches lumineuses ou sombres.

Cette amélioration ouvre de nombreuses possibilités, en particulier dans les domaines médicaux où l'imagerie non invasive est cruciale. Par exemple, les chirurgiens pourraient bénéficier d'une orientation intra-opératoire plus précise, en particulier pendant les procédures minimalement invasives. De même, les laboratoires analysant des échantillons biologiques dans des environnements opaques pourraient utiliser cette technologie sans avoir besoin d'étapes de préparation des échantillons qui modifient l'intégrité des échantillons. Au-delà des soins de santé, les implications s'étendent à d'autres industries. Les véhicules autonomes équipés de tels systèmes d'imagerie pourraient naviguer en toute sécurité dans des conditions météorologiques défavorables, notamment de fortes pluies, du brouillard et des tempêtes de sable.

Les secteurs manufacturiers pourraient également trouver de la valeur dans l'application de cette technologie pour l'inspection des produits dans des environnements difficiles, tels que l'évaluation de la qualité des articles immergés dans des liquides nuageux ou enveloppés dans des matériaux givrés. Les installations de gestion des déchets pourraient également bénéficier d'une visibilité accrue pendant les processus de tri. Le travail a été mené par Zhang Hao et ses collègues, marquant une contribution significative au domaine de l'imagerie optique et de l'intégration de l'apprentissage automatique.