从非各向同性三维电子显微镜进行各向同性超分辨率的深度学习方法
计算机视觉与模式识别
2017-06-13 v1
摘要
从非各向同性电子显微镜 (EM) 生成三维各向同性超分辨率 (SR) 的现有最先进方法均基于学习字典。遗憾的是，现有方法均未产生实际令人满意的结果。对于二维自然图像，最近开发的基于深度学习的超分辨率方法已被证明显著优于先前的 SOTA。我们调整了最成功的架构之一 (FSRCNN) 用于三维超分辨率，并将其性能与以前未用于生成超分辨率的 3D U-Net 架构进行了比较。我们在来自聚焦离子束铣削扫描 EM (FIB-SEM) 的人工降尺度各向同性真值上训练了这两种架构，并测试了各种超参数设置下的性能。我们的结果表明，这两种架构都能成功地从非各向同性 EM 生成三维各向同性超分辨率，且 U-Net 的表现始终更好。我们提出了几个有前景的实际应用方向。
引用
@article{arxiv.1706.03142,
title = {Deep Learning for Isotropic Super-Resolution from Non-Isotropic 3D Electron Microscopy},
author = {Larissa Heinrich and John A. Bogovic and Stephan Saalfeld},
journal= {arXiv preprint arXiv:1706.03142},
year = {2017}
}