深度学习实现体荧光显微镜的无参考各向同性超分辨率
计算机视觉与模式识别
2022-07-06 v2 人工智能
机器学习
机器学习
摘要
荧光显微镜的体成像常受限于相较于横向分辨率更差的轴向分辨率所带来的各向异性空间分辨率。为解决此问题，我们在此提出一种深度学习赋能的无监督超分辨率技术，用于增强体荧光显微镜中的各向异性图像。与现有需要匹配高分辨率目标体图像的深度学习方法不同，我们的方法大幅降低了实践投入，因为网络训练仅需极少至单个 3D 图像栈，无需图像形成过程的先验知识、训练数据配准或单独获取目标数据。这基于最优传输驱动的循环一致生成对抗网络，其从横向像面中高分辨率 2D 图像与其他平面中低分辨率 2D 图像间的非配对匹配中学习。利用荧光共聚焦显微镜与光片显微镜，我们证明所训练网络不仅增强轴向分辨率，还复原了成像平面间被抑制的视觉细节并去除成像伪影。
引用
@article{arxiv.2104.09435,
title = {Deep learning enables reference-free isotropic super-resolution for volumetric fluorescence microscopy},
author = {Hyoungjun Park and Myeongsu Na and Bumju Kim and Soohyun Park and Ki Hean Kim and Sunghoe Chang and Jong Chul Ye},
journal= {arXiv preprint arXiv:2104.09435},
year = {2022}
}