近来，复旦大学核算机科学技术学院教授颜波团队发明晰跨使命、多维度的图画增强根底人工智能模型（UniFMIR），打破了现有荧光显微成像的极限。相关研究成果发表于《天然-方法》。
开展至今，荧光显微镜的观测分辨率已达到纳米标准。针对显微镜光学硬件和生物样本光敏感性带来的应战，生命科学和核算机范畴的科学家开端携手探究运用人工智能（AI）完成图画增强的方法。
复旦大学的AI for Science团队以“一站式集成”为方针，构建了首个“一致”的荧光显微镜图画增强人工智能根底模型，大幅度的进步在图画超分辨率重构、各向同性重构、3D去噪、图画投影和进程重建五大使命方向上的功能。
UniFMIR采用了根据Swin Transformer结构的模块来增强特征表明，可针对不一样使命的网络流程同享相同的特征增强核算。经过大规模数据集对模型进行预练习，并运用不相同图画增强使命的数据微调模型参数，UniFMIR展现出比专有模型更好的增强功能和泛化性。这在某种程度上预示着，加载了UniFMIR的荧光显微镜有几率会成为生命科学实验室中的“神器”。
颜波表明，该模型为荧光显微镜图画增强供给了一个通用的解决方案，经过简略的参数微调便可应用于不同使命、成像形式和生物结构。
未来，生命科学实验室的科学家可经过进一步扩展练习数据的数据量和丰厚度，不断强化UniFMIR的图画重构才能。
