BGnet：利用深度神经网络在单分子定位显微镜中准确快速估计背景
光学
2020-03-25 v1 应用物理
摘要
背景荧光，尤其当其呈现非期望的空间特征时，是降低光学显微镜图像质量的主要因素。在分析用于三维定位显微镜或单分子追踪的单分子图像时，结构化背景尤为有害。在此，我们引入 BGnet，一种具有 U-net 型架构的深度神经网络，作为一种通用方法，即便在使用点扩散函数（PSF）工程创建复杂 PSF 形状时，也能以极高精度快速估计点源图像下的背景。我们训练 BGnet 从各种 PSF 的图像中提取背景，并表明该识别对于由许多空间频率构成的广泛不同干扰背景结构是准确的。此外，我们证明所获得的背景校正 PSF 图像，无论是模拟还是实验数据，均显著提升了定位精度。最后，我们验证利用 BGnet 的结构化背景估计可得到更高质量的生物结构超分辨重建。
引用
@article{arxiv.1909.08151,
title = {BGnet: Accurate and rapid background estimation in single-molecule localization microscopy with deep neural nets},
author = {Leonhard Möckl and Anish R. Roy and Petar N. Petrov and W. E. Moerner},
journal= {arXiv preprint arXiv:1909.08151},
year = {2020}
}
备注
50 pages, 20 figures