DeepFocus：基于 CNN 的样品不变锐度函数实现少样本显微镜载玻片自动对焦
图像与视频处理
2021-01-14 v1 计算机视觉与模式识别
摘要
自动对焦（AF）方法在生物显微镜中应用广泛，例如用于采集时间序列影像，其中被成像物体往往会漂移而失焦。AF 算法确定一个最优位移距离，将样品移回焦平面。当前基于硬件的方法需要改装显微镜，而基于图像的方法要么依赖多幅图像才能收敛到最清晰位置，要么需要针对每种仪器和成像配置特定的训练数据与模型。在此我们提出 DeepFocus，一种实现为 Micro-Manager 插件的 AF 方法，并刻画了其基于卷积神经网络（Convolutional neural network）的锐度函数，我们观察到该函数具有深度协变性和样品不变性。样品不变性使得我们的 AF 算法仅需三次迭代即可收敛到最优轴向位置，所用模型只需训练一次即可用于多种光学显微镜，且仅需对平坦（但任意纹理）物体采集一次依赖于仪器的标定栈。在合成与实验数据上进行的实验表明，给定 3 幅测量图像，使用 10x、NA 0.3 物镜时平均精度为 0.30 ± 0.16 微米。我们预期该性能及低图像数量将有助于在光敏感样品采集中限制光损伤。
引用
@article{arxiv.2001.00667,
title = {DeepFocus: a Few-Shot Microscope Slide Auto-Focus using a Sample Invariant CNN-based Sharpness Function},
author = {Adrian Shajkofci and Michael Liebling},
journal= {arXiv preprint arXiv:2001.00667},
year = {2021}
}
备注
Submitted to IEEE ISBI 2020