在氢燃料电池上开发和测试DualEDSR算法的研究团队成员。图为Amalia Halim博士，Ryan Armstrong教授，Kunning Tang, Peyman Mostaghimi教授和Quentin Meyer博士。图片来自Ryan Armstrong教授
2023年3月20日-研究人员来自悉尼新南威尔士大学开发了一种算法，可以从低分辨率的微图像中生成高分辨率的模型图像x射线电脑断层摄影术(CT)。
新工艺，详细介绍这篇论文发表在《自然通讯》上他们已经在单个氢燃料电池上进行了测试，以精确地模拟内部的精确细节，并有可能提高它们的效率。
但研究人员表示，未来它也可以用于人体x射线，让医疗专业人员更好地了解体内的微小细胞结构，从而可以更好、更快地诊断各种疾病。
团队，以Ryan Armstrong教授，Peyman Mostaghimi教授，王英达博士,库恩唐从矿产与能源工程学院“，而且赵川教授而且昆汀·迈耶博士从化学学院他开发了一种算法，以提高对质子交换膜燃料电池(PEMFC)内部情况的理解。
pemfc使用氢燃料发电，是一种安静、清洁的能源，可以为家庭、汽车和工业提供动力。
这些燃料电池通过电化学过程将氢转化为电能，反应的唯一副产物是纯水。
然而，如果水不能正常流出电池，随后“淹没”系统，pemfc就会变得低效。到目前为止，由于燃料电池的体积非常小，结构非常复杂，工程师们很难理解水在燃料电池内部流失或聚集的确切方式。
提高分辨率
新南威尔士大学的研究人员创建的解决方案允许深度学习通过利用细胞的低分辨率x射线图像来创建详细的3D模型，同时从附带的高分辨率扫描的一小部分中推断数据。
从更基本的角度来说，这相当于从飞机上拍摄整个城镇的模糊航拍照片，以及几条街道的非常详细的照片，然后能够准确预测整个地区每条道路的布局。
阿姆斯特朗教授说:“这项研究如此新颖的原因之一是，我们正在挑战成像所能产生的极限。”
“当你使用一台硬件时，无论是显微镜还是CT扫描仪，图像的分辨率越小，这是很典型的。
“我们的机器学习技术解决了这一问题，该方法广泛适用于任何成像领域，如医疗应用、石油和天然气行业或化学工程。
“我们之前已经与放射科医生进行了初步的超分辨率工作，我们可以推测，通过从更大的视野中获得更高分辨率的图像，有可能在肿瘤细胞更小的时候更早地诊断疾病，比如肿瘤细胞。”
DualEDSR算法
王博士在发表的研究中说，他们的超分辨率算法，被称为DualEDSR，与高分辨率图像相比，视野提高了约100倍。
他也认为在医学成像领域的应用是一个令人兴奋的未来发展。
他说:“如果你看看我们现在正在做的事情，并将其应用到医疗领域，那么能够更详细地成像血管和红细胞在毛细血管网络中的流动将是非常有趣的。”
“这些超硬件成像和建模方法超越了燃料电池成像，能够实现比以前更大视场的更高分辨率成像。”
研究中详细描述的建模过程的一个限制是，大尺度低分辨率图像和小尺度高分辨率图像需要在同一位置用同一台机器拍摄。
这些被称为“感兴趣区域”扫描仪，是目前许多设施可能没有的专用设备。
然而，该团队希望进一步的研究将使深度学习技术在未来产生类似的结果，当呈现的图像不是在同一地点拍摄的，甚至可能不是使用完全相同的仪器或材料。
Fast-fueling质子交换膜燃料电池
目前，研究人员能够提供PEMFC内部的详细3D模型，以便制造商改善对产生的水的管理，使燃料电池更高效。
在DualEDSR的训练和测试过程中，该算法从低分辨率图像生成高分辨率建模时，准确率达到97.3%。它还在1小时内制作了一个高分辨率模型，而使用微型ct扫描仪获得燃料电池整个部分的高分辨率图像需要1188小时(相当于50天不间断)。
梅耶博士说:“从我们的模型中，我们可以快速准确地看到水倾向于在哪里积聚，因此，我们可以在未来的设计中帮助解决这些问题。”
“在行业内，人们都知道，仅通过改善水管理，使用这些电池就可以实现巨大的性能改进，估计整体提高了60%。
“在过去的20年里，到目前为止，很难有一个准确的燃料电池模型，因为材料、气体和液体的运输方式以及电化学反应都很复杂。
“我们的跨学科团队使我们能够做到这一点，将如此多不同的专业知识带到桌面上。这就是研究的意义所在。”
欲了解更多信息:www.unsw.edu.au
2023年3月24日
