在这篇文章论文中，这些研究人员描述了这种技术可以显著减少用尖端显微镜处理高度复杂图像所需的时间。这种显微镜常用于捕捉鱼体内运动(http://www.maoyihang.com/sell/l_35/)的血液和脑细胞，直观观察线虫胚胎的神经发育，准确识别整个器官中的单个细胞器。
随着显微镜越来越好，产生更高分辨率图像的速度越来越快，科学家们发现他们拥有的数据越来越多，无法及时处理。虽然视频本身可以在几分钟内捕获，但图像的大小可能是兆兆字节(TB)，这可能需要几周甚至几个月才能使用。
这些研究人员试图做的第一件事是修改许多科学家使用的反卷积算法，使其运行更快。
这种方法最初被提议用于医学成像的其他领域(如计算机断层摄影)；然而，这是它第一次被成功地改进并用于荧光显微镜。荧光显微术使用染料来提高样品的对比度，这使得人们能够关注样品的特定部分，并观察不同元素如何相互作用。
它们减少了定位和缝合多个样本视图所需的时间。这一进程的关键部分取决于一个叫做并行化的过程。这是超级计算中有时使用的一种方法。它不是一个接一个地处理单个函数，而是将任务分解成可以并发分析的更小的任务。这就像让成千上万的人同时解决一个数学问题，而不是让一个人解决成千上万的问题。
这些研究人员发现，通过使用一种叫做神经网络的人工智能技术，他们可以进一步缩短处理数据所需的时间。人工智能越来越多地用于辅助图像处理和诊断。
在这项新研究中，他们训练神经网络比其他方法更快地产生更清晰、更高分辨率的图像。
