ИИ ускоряет 3D-реконструкцию рентгеновских снимков

Новый метод машинного обучения, разработанный учеными из Национальной ускорительной лаборатории SLAC, способен значительно ускорить процесс создания трехмерных изображений из данных рентгеновских снимков. Алгоритм под названием X-RAI (X-Ray single particle imaging with Amortized Inference) позволяет обрабатывать миллионы изображений, полученных с помощью рентгеновских лазеров, и реконструировать трехмерную структуру исследуемой частицы.

Уникальность X-RAI заключается в его способности эффективно сортировать огромные массивы данных и обучаться в процессе работы. Это открывает новые возможности для получения детальных изображений молекул, в том числе в динамике. По словам Фредерика Пуатевена, одного из ведущих исследователей проекта, «практически нет ограничений» на размер обрабатываемого набора данных.

Традиционные методы реконструкции 3D-структур из рентгеновских снимков, получаемых на Линаковом источнике когерентного света (LCLS) в SLAC, отличаются высокой трудоемкостью. Процесс занимает много времени, требуя обработки сотен тысяч или даже миллионов 2D-изображений. Кроме того, существующие алгоритмы замедляются по мере увеличения объема данных, что может ограничивать возможности исследователей, особенно при ограниченном времени доступа к оборудованию.

«Как можно было бы ускорить этот процесс до такой степени, чтобы мы могли фактически проводить реконструкцию во время сбора данных, а не ждать часами или днями результатов?» — задался вопросом Пуатевин. Ответ был найден в разработке нового алгоритма на основе нейронных сетей.

X-RAI обрабатывает 2D-изображения и предсказывает трехмерную ориентацию частицы, а также может выполнять обратную операцию, генерируя 2D-изображения из 3D-проекции. Этот двунаправленный подход позволяет ИИ постоянно совершенствовать понимание связи между 2D-данными рентгеновского лазера и 3D-реконструкцией. Чем больше данных обрабатывается, тем лучше алгоритм понимает эту связь и тем эффективнее становится.

По заявлению Джея Шеноя, первого автора исследования и аспиранта Стэнфордского университета, X-RAI значительно превосходит другие программы по скорости обработки больших наборов данных. В ходе экспериментов алгоритм продемонстрировал способность обрабатывать до 160 изображений в секунду в режиме реального времени, одновременно предсказывая 3D-структуру объекта.

Сравнительный анализ реконструкции 3D-структур двух биомолекул (субъединицы рибосомы и белка АТФ-синтазы) показал, что X-RAI создает более четкие изображения по сравнению с двумя другими алгоритмами. Разработчики надеются, что их открытие поможет исследователям максимально эффективно использовать время, отведенное на работу с LCLS и другими рентгеновскими лазерами по всему миру. Высокая конкуренция за доступ к этим передовым установкам делает оптимизацию времени экспериментов крайне важной.

Возможность быстрой обработки практически неограниченных объемов данных также открывает двери для изучения движущихся частиц. При достаточном количестве изображений можно будет создавать динамические модели, например, фермента, взаимодействующего с лекарством. Улучшения в рентгеновской визуализации, по мнению Пуатевена, «позволят получить более точное представление о том, как движется молекула».