MicroDiffuse3D：三维显微成像恢复的基础模型
计算机视觉与模式识别
2026-05-12 v1 机器学习
定量方法
摘要
化学成像能够实现细胞、组织和活体系统的无标记可视化，同时提供传统荧光显微镜难以获得的直接生化信息。尽管其在从术中诊断到药物反应分析等应用中前景广阔，但其更广泛的使用仍受限于缓慢的数据采集，尤其是在三维成像方面。在此，我们提出MicroDiffuse3D，一个用于三维显微图像恢复的预训练基础模型，它能够从以显著更高通量获取的退化低分辨率测量中恢复高质量的体积结构。我们在三个具有挑战性的恢复场景中评估了MicroDiffuse3D，包括16倍体积稀疏度下的三维超分辨率、分辨率和噪声的联合退化，以及低信噪比(SNR)条件下的三维去噪，在这些场景中，该模型相较于强基线取得了明显的增益。在稀疏三维超分辨率设置下，MicroDiffuse3D产生了更清晰的深度连续性，伪影更少，分割质量提升了10.58%，线轮廓一致性提升了15.59%。综合来看，我们的结果确立了预训练三维恢复作为一种广泛适用的策略，用于克服体积化学成像中的通量和信噪比限制，从而在以前难以达到的尺度和速度下实现高分辨率分析。
引用
@article{arxiv.2605.08566,
title = {MicroDiffuse3D: A Foundation Model for 3D Microscopy Imaging Restoration},
author = {Yongkang Li and Brian Wong and King Wai Chiu and Hanwen Xu and Tangqi Fang and Erin Dunnington and Dan Fu and Sheng Wang},
journal= {arXiv preprint arXiv:2605.08566},
year = {2026}
}