包含真实荧光显微镜图像的泊松-高斯去噪数据集

荧光显微镜极大地推动了现代生物学的发展。由于其信号本质上微弱，荧光显微镜不仅比摄影具有更多噪声，而且表现为泊松-高斯噪声，其中泊松噪声（即散粒噪声）是主导噪声源。为了获得干净的荧光显微镜图像，非常需要专门设计用于对荧光显微镜图像去噪的有效去噪算法和数据集。虽然此类算法已经存在，但目前尚无此类数据集可用。在本文中，我们通过构建一个专门用于泊松-高斯去噪的数据集——荧光显微镜去噪(FMD)数据集——来填补这一空白。该数据集包含 12,000 张真实的荧光显微镜图像，这些图像是使用商业共聚焦、双光子和宽场显微镜以及具有代表性的生物样本（如细胞、斑马鱼和小鼠脑组织）获得的。我们使用图像平均有效地获得了真值图像和 60,000 张具有不同噪声水平的噪声图像。我们使用该数据集对 10 种具有代表性的去噪算法进行了基准测试，发现深度学习方法具有最佳性能。据我们所知，这是第一个用于泊松-高斯去噪目的的真实显微镜图像数据集，它可以作为生物医学研究中高质量、实时去噪应用的重要工具。