Multi-StyleGAN：面向基于图像的延时活细胞显微镜仿真

Christoph Reich; Tim Prangemeier; Christian Wildner; Heinz Koeppl

doi:10.1007/978-3-030-87237-3_46

Multi-StyleGAN：面向基于图像的延时活细胞显微镜仿真

计算机视觉与模式识别 2021-09-27 v3 机器学习图像与视频处理定量方法机器学习

作者: Christoph Reich , Tim Prangemeier , Christian Wildner , Heinz Koeppl

在 arXiv 上查看 ↗ PDF ↗ DOI ↗

摘要

延时荧光显微镜（TLFM）与预测性数学建模相结合，是研究单细胞水平上生命固有动态过程的强大工具。此类实验成本高、复杂且劳动密集。一种补充方法以及迈向计算机实验的一步，是合成图像本身。在此，我们提出 Multi-StyleGAN 作为一种描述性方法，基于既往实验来仿真活细胞的延时荧光显微镜图像。这一新颖的生成对抗网络合成出多域连续时间步序列。我们在微结构环境中多个活酵母细胞的图像上展示了 Multi-StyleGAN，并基于我们实验室记录的数据集进行训练。该仿真捕捉了潜在的生物物理因子和时间依赖性，例如细胞形态、生长、物理相互作用，以及荧光报告蛋白的强度。一个直接应用是为特征提取算法生成额外的训练和验证数据，或辅助并加速在线监测或细胞控制等先进实验技术的开发。代码和数据集可在 https://git.rwth-aachen.de/bcs/projects/tp/multi-stylegan 获取。

关键词

Multi-StyleGAN 延时荧光显微镜生成对抗网络活细胞仿真酵母细胞图像合成

引用

@article{arxiv.2106.08285,
  title  = {Multi-StyleGAN: Towards Image-Based Simulation of Time-Lapse Live-Cell Microscopy},
  author = {Christoph Reich and Tim Prangemeier and Christian Wildner and Heinz Koeppl},
  journal= {arXiv preprint arXiv:2106.08285},
  year   = {2021}
}

备注

revised -- accepted to MICCAI 2021 (doi.org/10.1007/978-3-030-87237-3_46) (Tim Prangemeier and Christoph Reich --- both authors contributed equally)

Multi-StyleGAN：面向基于图像的延时活细胞显微镜仿真

摘要

关键词

引用

备注

相关论文