通过重叠成像与机器学习增大显微镜有效视场
计算机视觉与模式识别
2022-01-19 v1 图像与视频处理
光学
细胞行为
摘要
本工作展示了一种多透镜显微成像系统，其在单一传感器上重叠多个独立视场，以实现高效的自动化标本分析。对各种形态学感兴趣特征的自动检测、分类与计数，现已成为生物医学研究和疾病诊断的关键组成部分。尽管卷积神经网络（CNNs）已大幅提高了从所获取数字图像数据中对细胞和亚细胞特征计数的准确性，但总体通量仍通常受限于传统显微镜有限的空带积（SBP）。在此，我们通过仿真与实验表明，重叠成像与协同设计的分析软件能够对若干应用（包括白细胞与疟原虫计数）中诊断相关特征实现准确检测，从而在精度降低极小的情况下使检测与处理通量倍增。
引用
@article{arxiv.2110.04921,
title = {Increasing a microscope's effective field of view via overlapped imaging and machine learning},
author = {Xing Yao and Vinayak Pathak and Haoran Xi and Amey Chaware and Colin Cooke and Kanghyun Kim and Shiqi Xu and Yuting Li and Timothy Dunn and Pavan Chandra Konda and Kevin C. Zhou and Roarke Horstmeyer},
journal= {arXiv preprint arXiv:2110.04921},
year = {2022}
}