悉尼新南威尔士大学的研究人员开发了一种算法，可以从较低分辨率的显微X射线计算机断层扫描(CT)中生成高分辨率的建模图像。

发表在《自然通讯》(NatureCommunications)上的一篇论文详细介绍了这一新工艺，该工艺已经在单个氢燃料电池上进行了测试，可以精确地对内部进行精确建模，并有可能提高其效率。

但研究人员表示，它也可以在未来用于人体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。

该团队由矿产与能源工程学院的RyanArmstrong教授、PeymanMostaghimi教授、YingDaWang博士和KunningTang以及化学学院的ChuanZhao教授和QuentinMeyer博士组成，他们开发了算法以改进了解质子交换膜燃料电池(PEMFC)内部发生的情况。

PEMFC使用氢燃料发电，是一种安静、清洁的能源，可为家庭、车辆和工业提供动力。

这些燃料电池通过电化学过程将氢气转化为电能，反应的唯一副产品是纯水。

然而，如果水不能正常流出电池并随后“淹没”系统，PEMFC可能会变得低效。到目前为止，由于燃料电池体积非常小且结构非常复杂，工程师们很难理解燃料电池内部排水或积水的精确方式。

提高分辨率

新南威尔士大学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射线图像创建详细的3D模型，同时从其一小部分的伴随高分辨率扫描中推断数据。

用更基本的术语来说，这相当于从飞机上拍摄一张整个城镇的模糊航拍照片，以及一张非常详细的几条街道的照片，然后能够准确预测该地区每条道路的布局整个区域。

研究团队的算法允许他们使用超分辨率3DX射线图像创建氢燃料电池的3D模型，并对每种材料(中心)和人工叠加的气体和水流通道(顶部和底部)进行机器学习分割。图片来源：QuentinMeyer博士

“这项研究如此新颖的原因之一是我们正在突破成像所能产生的极限，”阿姆斯特朗教授说。

“这是非常典型的，当你使用一个硬件时，无论是显微镜还是CT扫描仪，图像的分辨率会随着你缩小得越多而变得越差。

“我们的机器学习技术解决了这个问题，并且该方法广泛适用于任何成像发生的地方，例如医疗应用、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，有可能在肿瘤细胞较小时更早地诊断出疾病，例如肿瘤细胞。“

双EDSR算法

Wang博士在已发表的研究中表示，他们的超分辨率算法(称为DualEDSR)与高分辨率图像相比，将视野提高了约100倍。

他同意在医学成像中的实施是一个令人兴奋的未来发展。

“如果你看看我们现在正在做的事情并将其应用到医学领域，那么能够更详细地对血管和红细胞通过毛细血管网络的流动进行成像将会非常有趣，”他说.

“这些超越硬件的成像和建模方法超越了燃料电池成像，能够实现比以前更实用的更大视野的更高分辨率成像。”

研究中详述的建模过程的一个限制是，需要由同一台机器在同一位置拍摄较大比例的低分辨率图像和较小比例的高分辨率图像。

一段模拟氢燃料电池中水形成、积累和传输的视频，使用先进的计算模拟(Lattice-Botlzmann)和燃料电池在不同操作条件下的3D模型。图片来源：新南威尔士大学

这些被称为“感兴趣区域”扫描仪，是目前许多设施可能无法使用的专用设备。

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位置拍摄的，甚至可能不使用完全相同的仪器或材料。

快速燃料PEMFC

目前，研究人员能够提供PEMFC内部的详细3D模型，以便制造商改进对生产水的管理并提高燃料电池的效率。

在DualEDSR的训练和测试过程中，该算法在从低分辨率图像生成高分辨率模型时达到了97.3%的准确率。它还在短短1小时内生成了一个高分辨率模型，而使用微型计算机获得燃料电池整个部分的高分辨率图像需要1,188小时(相当于50天不间断)CT扫描仪。

“从我们的模型中，我们可以快速准确地看到水容易积聚的地方，因此，我们可以帮助解决未来设计中的这些问题，”迈耶博士说。

“在行业内，众所周知，仅通过改进水管理，使用这些电池就可以实现巨大的性能提升，据估计总体提升60%。

“在过去的20年里，直到现在，由于材料、气体和液体的传输方式以及电化学反应的复杂性，很难对这些燃料电池进行准确的建模。地方。

“我们的跨学科团队使我们能够做到这一点，将许多不同的专业知识带到桌面上。这就是研究的意义所在。”

更高效的PEMFC可能成为未来提供清洁和环保电力的重要因素，因为它们仅排放水和热量。此外，它们结构紧凑、重量轻，适合在车辆中使用。

它们还可以快速加油，就像给加油一样快，这使它们比电池供电的电动具有关键优势，即使使用快速充电器也可能需要数小时。