基于深度学习的酵母显微图像生成与仿真
图像与视频处理
2021-08-18 v4 计算机视觉与模式识别
摘要
延时荧光显微镜（TLFM）是合成生物学研究中重要且有力的工具。基于真实数据对 TLFM 实验进行建模，可使研究人员以微小代价重复特定实验。本论文是一项基于深度学习的 TLFM 实验图像级建模研究。以被困酵母细胞为例，TLFM 实验建模被拆分为两项任务。第一项任务是基于真实图像数据生成合成图像数据。针对该问题，提出了一种用于条件化与非条件化图像生成的新型生成对抗网络（GAN）。第二项任务是跨多个离散时间步的明场显微镜图像仿真。为应对该仿真任务，引入了一种先进未来帧预测模型。所提模型在本文呈现的新数据集上进行了训练与测试。所得结果表明，利用深度学习对 TLFM 实验建模是一种可行方法，但需未来研究以有效建模真实世界实验。
引用
@article{arxiv.2103.11834,
title = {Generation and Simulation of Yeast Microscopy Imagery with Deep Learning},
author = {Christoph Reich},
journal= {arXiv preprint arXiv:2103.11834},
year = {2021}
}