AutoDeconJ：一种具有最优迭代次数预测的 GPU 加速 ImageJ 光场三维反卷积插件
信息论
2023-10-17 v1 math.IT
摘要
光场显微镜是一种用于高速三维荧光成像的紧凑方案。通常，我们需要对捕获的原始数据进行三维反卷积。尽管存在可加速重建过程的深度神经网络方法，但该模型并不对所有系统参数普遍适用。在此，我们开发了 AutoDeconJ，一种 GPU 加速的 ImageJ 插件，可实现光场显微镜数据快 4.4 倍且准确的反卷积。我们进一步提出了一种用于反卷积过程的图像质量度量，有助于以更高的重建精度和更少的伪影自动确定最优迭代次数。
引用
@article{arxiv.2208.11422,
title = {AutoDeconJ: a GPU accelerated ImageJ plugin for 3D light field deconvolution with optimal iteration numbers predicting},
author = {C. Q. Su and Y. H Gao and Y Zhou and Y. Q Sun and C. G Yan and H. B Yin and B Xiong},
journal= {arXiv preprint arXiv:2208.11422},
year = {2023}
}