DeepSTORM3D：基于深度学习的密集三维定位显微成像与点扩散函数设计
图像与视频处理
2020-10-01 v2 光学
摘要
定位显微成像是一种成像技术，其中单个纳米尺度点发射体（例如荧光分子）的位置由其图像以高精度确定。这是单/多粒子追踪以及若干超分辨显微成像方法的关键要素。三维（3D）定位可通过修改点源在相机上所成的像（即点扩散函数（PSF））来实现。PSF 利用附加光学元件进行设计，使其随点源深度发生显著变化。然而，由于相邻发射体 PSF 的横向重叠，在 3D 中定位多个邻近发射体构成了重大的算法挑战。在此，我们训练一个神经网络来接收包含大轴向范围内多个发射体密集重叠 PSF 的图像，并输出其 3D 位置列表。此外，我们随后利用该网络为多发射体情形设计最优 PSF。我们通过线粒体的 3D STORM 成像以及在一次快照中对占据哺乳动物细胞核的数十个荧光标记端粒进行体成像，从数值和实验上证明了我们的方法。
引用
@article{arxiv.1906.09957,
title = {DeepSTORM3D: dense three dimensional localization microscopy and point spread function design by deep learning},
author = {Elias Nehme and Daniel Freedman and Racheli Gordon and Boris Ferdman and Lucien E. Weiss and Onit Alalouf and Reut Orange and Tomer Michaeli and Yoav Shechtman},
journal= {arXiv preprint arXiv:1906.09957},
year = {2020}
}
备注
main text: 9 pages, 5 figures, supplementary information: 29 pages, 20 figures