Réseaux neuronaux accélérant la reconstruction d'imagerie rayons X

IA pour imagerie cohérente rayons X

Des scientifiques ont démontré l'utilisation de l'intelligence artificielle (IA) pour accélérer le processus de reconstruction d'images à partir de données de diffusion cohérente de rayons X. Les techniques traditionnelles d'imagerie rayons X (comme images médicales) sont limitées dans le détail qu'elles peuvent fournir. Cela a mené au développement de méthodes d'imagerie cohérente rayons X capables de fournir images depuis l'intérieur de matériaux à résolution de quelques nanomètres ou moins. Ces techniques génèrent des images rayons X sans lentilles en diffractant ou diffusant le faisceau sur échantillons directement sur détecteurs.

Les données capturées par ces détecteurs contiennent toute l'information nécessaire pour reconstruire images haute fidélité et les informaticiens peuvent le faire avec algorithmes avancés. Ces images aident les scientifiques à concevoir meilleures batteries, construire matériaux plus durables, développer meilleurs médicaments et traitements pour maladies.

Le processus d'utilisation d'ordinateurs pour assembler images depuis données de diffraction cohérente rayons X s'appelle la ptychographie et l'équipe a utilisé un réseau neuronal apprenant à tirer ces données sous forme cohérente — d'où le nom de l'innovation : PtychoNN.

Défi de la phase perdue et solution IA

Quand un faisceau rayons X frappe un échantillon, la lumière est diffractée et diffusée et les détecteurs autour collectent cette lumière. Aux scientifiques de transformer ces données en information utilisable. Le défi : les photons du faisceau portent deux informations — amplitude (brillance) et phase (changement du faisceau en traversant l'échantillon) — mais les détecteurs ne capturent que l'amplitude. L'information de phase est perdue et doit être reconstruite.

C'est faisable mais le processus est plus lent que souhaité. Part du défi est l'acquisition de données : pour reconstruire la phase depuis expériences d'imagerie par diffraction cohérente, les algorithmes actuels exigent de collecter bien plus de données d'amplitude, ce qui prend plus de temps. Mais la reconstruction depuis ces données prend aussi du temps. C'est là qu'intervient PtychoNN. En utilisant techniques IA, les chercheurs ont démontré que les ordinateurs peuvent apprendre à prédire et reconstruire images depuis données rayons X et le faire 300 fois plus vite que la méthode traditionnelle. Plus encore, PtychoNN accélère le processus des deux côtés.