面向移动显微镜的深度学习框架
图像与视频处理
2021-05-31 v3 计算机视觉与模式识别
摘要
移动显微镜是一项有望辅助并加速疾病诊断的技术，但其广泛采用受到所获取图像质量平庸的阻碍。尽管已出现一些针对移动显微镜的成对图像翻译与超分辨率方法，但在高通量环境下实现自动化所必需的一系列关键挑战仍有待解决。诸如合焦/离焦分类、快速扫描去模糊、聚焦堆叠等问题——当数据使用移动设备记录时，均具有特定的特殊性。在本工作中，我们旨在通过连接一组专为移动显微镜调优的方法来创建一个综合性流水线：(1) 用于稳定合焦/离焦分类的 CNN 模型，(2) 用于图像去模糊的改进 DeblurGAN 架构，(3) 用于从多幅图像中合并合焦部分以增强细节的 FuseGAN 模型。我们讨论了为专业临床显微镜开发的现有解决方案的局限性，提出了相应改进，并与其他最先进的移动分析解决方案进行了比较。
引用
@article{arxiv.2007.13701,
title = {Deep learning Framework for Mobile Microscopy},
author = {Anatasiia Kornilova and Mikhail Salnikov and Olga Novitskaya and Maria Begicheva and Egor Sevriugov and Kirill Shcherbakov and Valeriya Pronina and Dmitry V. Dylov},
journal= {arXiv preprint arXiv:2007.13701},
year = {2021}
}