به سمت میکروسکوپ های هوشمند: پتانسیل یادگیری عمیق برای کاربردهای زیست پزشکی

یادگیری عمیق کلاس تکنیک های یادگیری ماشین است که از شبکه های عصبی مصنوعی چند لایه برای تجزیه و تحلیل خودکار سیگنال ها یا داده ها استفاده می کند. این نام از ساختار کلی شبکه های عصبی عمیق ناشی می شود ، که از چندین لایه نورون مصنوعی تشکیل شده است و هر کدام یک عملیات غیرخطی را انجام می دهند و روی هم انباشته شده اند.   فراتر از برنامه های اصلی ، مانند شناسایی و برچسب گذاری ویژگی های خاص در تصاویر ، یادگیری عمیق فرصت های زیادی را برای ایجاد انقلابی در زمینه شکل گیری تصویر ، بازسازی و سنجش در اختیار دارد. در حقیقت ، یادگیری عمیق بسیار قدرتمند است و محققان اپتیک را با آنچه می تواند برای پیشرفت میکروسکوپ نوری و معرفی روش های جدید بازسازی و تحول تصویر به دست آورد ، شگفت زده کرده است. طرح ها و دستگاه های نوری الهام گرفته از فیزیک در حال حرکت به سمت طراحی های مبتنی بر داده هستند که باعث تغییر کلی در سخت افزار و نرم افزار نوری میکروسکوپ و سنجش نسل بعدی می شود و این دو را با روش های جدید ترکیب می کند.