深度学习工具提升X射线成像分辨率和氢燃料电池性能

氢燃料电池的3D X射线扫描，显示碳纸编织，膜和催化剂（黑色）

悉尼新南威尔士大学的研究人员开发了一种算法，可以从低分辨率的微型X射线计算机断层扫描（CT）中产生高分辨率建模图像。

新工艺在Nature Communications上发表的一篇论文中进行了详细说明，已经在单个氢燃料电池上进行了测试，以精确地模拟内部细节，并可能提高其效率。

但研究人员表示，它也可以在未来用于人类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。

该团队由矿物与能源工程学院的Ryan Armstrong教授，Peyman Mostaghimi教授，Ying Da Wang博士和Kunning Tang以及化学学院的Chuan Zhao教授和Quentin Meyer博士组成，开发了该算法，以提高对质子交换膜燃料电池（PEMFC）内部发生的事情的理解。

PEMFC使用氢燃料发电，是一种安静的清洁能源，可以为家庭，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细胞并随后“淹没”系统，则PEMFC可能会变得效率低下。到目前为止，工程师很难理解燃料电池内部排水或水池的精确方式，因为它们的尺寸非常小，结构非常复杂。

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较低分辨率X射线图像来创建详细的3D模型，同时从随附的高分辨率扫描中推断出一小部分的数据。

用更基本的术语来说，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。

研究小组的算法允许他们使用超分辨率的3D X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

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

“非常典型的是，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差。

“我们的机器学习技术解决了这个问题，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疾病。

双EDSR算法

王博士说，在已发表的研究中，他们的超分辨率算法，称为DualEDSR，与高分辨率图像相比，视野提高了约100倍。

他同意医学成像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于医疗领域，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，能够实现比以前更高分辨率的更大视野成像。

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

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呈现的图像不是在同一位置拍摄的，甚至可能没有使用完全相同的仪器或材料时产生类似的结果。

快速加油的质子交换式森林冲突

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建模时达到了 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CT扫描仪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）。

“从我们的模型中，我们可以快速准确地看到水倾向于积聚的位置，因此，我们可以在未来的设计中帮助解决这些问题，”Meyer博士说。

“在行业内，众所周知，使用这些电池可以通过改进水管理来实现巨大的未开发性能改进，估计总体上增加了60%。

“在过去的20年里，直到现在，由于材料的复杂性，气体和液体的运输方式以及发生的电化学反应，很难获得这些燃料电池的准确模型。

“我们的跨学科团队使我们能够做到这一点，带来了许多不同的专业知识。这就是研究的意义所在。

更高效的PEMFC可能是未来提供清洁和环保电力的重要因素，因为它们只排放水和热量。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，就像用汽油为汽车加油一样快，与电池供电的电动汽车相比，它们具有关键优势，即使使用快速充电器也需要数小时。