用于生物图像合成的 GAN

在本文中，我们提出了一种将生成对抗网络 (GAN) 应用于荧光显微镜成像细胞合成的新方法。与自然图像相比，细胞往往具有更简单、更几何化的全局结构，这有利于图像生成。然而，不同荧光蛋白空间模式之间的相关性反映了重要的生物学功能，合成的图像必须捕捉这些关系才能在生物学应用中具有相关性。我们使 GAN 适应当前任务，并提出了具有图像通道间因果依赖性的新模型，能够生成多通道图像，这在实验上是无法获得的。我们使用两种独立的技术评估了我们的方法，并将其与合理的基线进行了比较。最后，我们证明，通过在潜空间中进行插值，我们可以模拟细胞周期内随时间发生的蛋白质定位的已知变化，从而允许我们从静态图像预测时间演化。