模块化的科学图像重建软件

科学家们使用一系列成像仪器来观察生物体的内部，有时是在它们移动的时候，并在不改变它们状态的情况下观察惰性物体。这些仪器包括望远镜、显微镜、CT扫描仪等等。但是，这些仪器，即使在最大容量工作时，通常也只能生成部分图像或质量过低的图像，无法提供更多的洞察力。

这就是强大的算法发挥作用的地方——它们可以将缺失的信息拼凑起来，提高图像的分辨率和对比度，并充实粗略的物体。这种被称为计算成像的技术最近取得了令人印象深刻的进展，它现在在许多类型的研究中起着核心作用。

在不同领域工作的工程师已经为这项技术开发了强大的算法程序，但每个程序都是为高度特定的应用而设计的，尽管底层成像物理原理大致相同。这意味着想要结合成像方法的科学家必须付出相当大的努力来调整不同的程序，并使它们相互沟通。

EPFL视听通信实验室(LCAV)的博士生Sepand Kashani说:“我们觉得我们总是在重写相同的代码，以适应我们想要使用的程序。”

因此，他与EPFL成像中心图像重建中心的前任和现任负责人Matthieu Simeoni和Joan ru Queralt合作，开发与应用无关的算法，以便在不同领域共享。如今，这款名为Pyxu的软件已经开放了源代码。

从微小的分子到外太空，同样的物理定律都适用

“不管研究的具体领域是什么，控制成像的物理定律往往是相同的，”ru Queralt说。“在图像重建中遇到的问题可以用几乎相同的数学模型分成几个类别，比如x射线和其他形式的断层扫描、核磁共振成像和射电天文学等。”这就是为什么他、Kashani和Simeoni相信开发与应用无关的软件是可能的。

ru Queralt说:“今天，成像方法通常只用于它们最初开发的领域。”“我们已经看到科学家们花费了大量的时间和精力，通过编写与现有程序相似的程序来重新发明轮子。这减缓了所有领域成像技术的进步。”

Pyxu旨在用于任何领域，并使其更容易无缝地融入尖端的人工智能技术。LCAV教授Martin Vetterli解释说:“近年来，深度学习算法颠覆了计算成像领域。这些算法依赖于人工智能技术，比传统算法提供更好的性能。”

算法通过将高质量图像与重建图像进行比较来训练，然后用于自动进行必要的修正以改进重建和比较图像本身。

Pyxu的开发团队由来自LCAV和成像中心的工程师组成，他们必须汇集来自多个领域的技能来创建软件和开源平台。Kashani说:“我们最大的技术挑战之一是使Pyxu足够灵活，既能处理庞大的数据集，又能在各种硬件配置的IT系统中轻松实现。”

更少的代码，更多的砖块

有了Pyxu，科学家不再需要成为实现细节方面的专家。该软件包含代表不同任务的模块，用户可以选择这些模块并按自己希望的顺序组合在一起，就像乐高积木一样。

洛桑大学(University of Lausanne)的博士生尼诺·赫尔维尔(Nino herv )是Pyxu的首批用户之一;他使用该软件重建脑电图图像。他说:“根据放置在病人头皮上的200个电极的读数，解读5000个神经连接的活动绝非易事。”

“我们需要能够有效解决优化问题的程序。Pyxu的软件使用了各种复杂的优化算法，并被设计为并行运行计算，这使得它更快。这大大减轻了我的工作量。”

Pyxu在几个月前以开源形式发布，并且已经在射电天文学、光学、断层扫描和CT扫描等领域的许多EPFL研究中使用。“我们设计Pyxu是为了让研究人员可以使用我们的模型作为构建自己模型的基础，”Pyxu的创造者马修·西莫尼(Matthieu Simeoni)说。

“然后，研究人员可以将他们的模型添加到我们的软件中，并将其提供给整个科学界。”

第二个更具可扩展性的版本

第二个更具可扩展性的版本目前正在开发中，并计划以开源形式发布。除了能够处理更大的数据集之外，新版本还将包含额外的功能，并且使用起来更加简单。例如，Pyxu的开发人员正在与EPFL生物医学成像小组的工程师合作，以将人工智能驱动的算法嵌入数学模型的最新进展为基础。

目标是确保重建图像在视觉上传达重要信息，并在数学上具有鲁棒性——这是医学诊断等敏感应用的基本品质。

更多信息:Pyxu: pyxu-org.github。引用本文:用于科学图像重建的模块化软件(2024,5月2日)检索自2024年5月3日https://techxplore.com/news/2024-05-modular-software-scientific-image-reconstruction.html本文受版权保护。除为私人学习或研究目的而进行的任何公平交易外，未经书面许可，不得转载任何部分。内容仅供参考之用。