PiLocNet：基于旋转点扩散函数的3D定位物理信息神经网络
机器学习
2025-06-24 v2 人工智能
计算机视觉与模式识别
光学
摘要
对于使用点扩散函数（PSF）工程的3D定位问题，我们提出一种刚刚引入的定位神经网络 LocNet 的新颖改进。改进后的网络是一种物理信息神经网络（PINN），我们称之为 PiLocNet。先前关于定位问题的工作可分别归类为基于模型的优化和神经网络方法。我们的 PiLocNet 通过融合前向模型信息于网络中，以数据拟合损失项约束神经网络产生结果具有物理意义。我们此外还加入了变分方法中的某些正则化项，进一步提高了网络在图像噪声存在下的鲁棒性，如我们在泊松噪声和高斯噪声模型中所展示的那样。该框架赋予神经网络解释性，所得结果显示其优越性。虽然本文聚焦于使用单叶旋转 PSF 对3D源位置进行编码，但我们预计该方法可广泛应用于其他 PSF 和受已知前向过程约束的其他成像问题。
引用
@article{arxiv.2410.13295,
title = {PiLocNet: Physics-informed neural network on 3D localization with rotating point spread function},
author = {Mingda Lu and Zitian Ao and Chao Wang and Sudhakar Prasad and Raymond H. Chan},
journal= {arXiv preprint arXiv:2410.13295},
year = {2025}
}
备注
13 pages, 6 figures