学习型 SPARCOM：展开式深度超分辨显微镜
图像与视频处理
2023-07-19 v2
摘要
利用光活化荧光分子生成长序列的低发射体密度衍射极限图像可实现高精度发射体定位，但代价是时间分辨率低。我们建议将近期高性能经典方法 SPARCOM 与基于模型的深度学习结合，采用算法展开（algorithm unfolding）方法设计融合领域知识的紧凑神经网络。我们的结果表明，利用所提出的学习型 SPARCOM（LSPARCOM）网络，我们可从少量高发射体密度帧中获得超分辨成像，且无需光学系统知识并跨不同测试集适用。我们相信 LSPARCOM 可在多种场景下为可解释、高效的活细胞成像铺平道路，并在生物结构单分子定位显微镜中得到广泛应用。
引用
@article{arxiv.2004.09270,
title = {Learned SPARCOM: Unfolded Deep Super-Resolution Microscopy},
author = {Gili Dardikman-Yoffe and Yonina C. Eldar},
journal= {arXiv preprint arXiv:2004.09270},
year = {2023}
}