基于学习信息融合的阻抗-光学双模态细胞培养成像
图像与视频处理
2021-12-09 v1 医学物理
摘要
尽管电阻抗断层成像（EIT）已发现诸多生物医学应用，仍需要更高分辨率以为组织工程与再生医学提供定量分析。本文提出一种阻抗-光学双模态成像框架，主要面向高质量 3D 细胞培养成像，并可扩展至其他组织工程应用。该框架包含三个部分，即阻抗-光学双模态传感器、引导图像处理算法，以及用于信息融合的名为多尺度特征交叉融合网络（MSFCF-Net）的深度学习模型。MSFCF-Net 有两个输入，即 EIT 测量值，以及由引导图像处理算法（其输入为 RGB 显微图像）生成的二值掩膜图像。该网络随后有效融合来自两种不同成像模态的信息并生成最终的电阻率图像。我们通过数值仿真与 MCF-7 细胞成像实验评估所提双模态框架的性能。结果表明，所提方法可显著改善图像质量，意味着阻抗-光学联合成像有潜力同时揭示组织级靶标的结构与功能信息。
引用
@article{arxiv.2106.07985,
title = {Impedance-optical Dual-modal Cell Culture Imaging with Learning-based Information Fusion},
author = {Zhe Liu and Pierre Bagnaninchi and Yunjie Yang},
journal= {arXiv preprint arXiv:2106.07985},
year = {2021}
}