CellINR：隐式克服四维活体荧光显微成像中的光致伪影
图像与视频处理
2026-02-17 v2 人工智能
计算机视觉与模式识别
摘要
四维活体荧光显微成像常因长时间高强度照明而受损，这会引发光漂白和光毒性效应，产生光致伪影并严重损害图像连续性与细节恢复。为了应对这一挑战，我们提出了 CellINR 框架，这是一种基于隐式神经表示的特定实例优化方法。该方法采用盲反卷积和结构放大策略，将三维空间坐标映射到高频域，从而能够对细胞结构进行精确建模和高精度重建，同时有效区分真实信号与伪影。实验结果表明，CellINR 在去除伪影和恢复结构连续性方面显著优于现有技术，并且首次提供了成对的四维活细胞成像数据集以评估重建性能，从而为后续的定量分析和生物学研究提供了坚实基础。代码和数据集将公开提供。
关键词
引用
@article{arxiv.2508.19300,
title = {CellINR: Implicitly Overcoming Photo-induced Artifacts in 4D Live Fluorescence Microscopy},
author = {Cunmin Zhao and Ziyuan Luo and Guoye Guan and Zelin Li and Yiming Ma and Zhongying Zhao and Renjie Wan},
journal= {arXiv preprint arXiv:2508.19300},
year = {2026}
}
备注
This version is withdrawn as the authors have found that the benchmarks used were insufficient/incomplete. The work is being superseded by a more comprehensive study