递归深度先验视频：一种用于器官芯片实验延时显微成像的超分辨率算法
图像与视频处理
2020-11-20 v1 计算机视觉与模式识别
摘要
基于器官芯片（OOCs）的生物学实验利用光延时显微成像（TLM）直接观察细胞运动，这是底层生物过程的可观测特征。高空间分辨率对于从 TLM 记录实验中捕捉细胞动态与相互作用至关重要。遗憾的是，受物理和成本限制，获取高分辨率视频并非总可行。为克服该问题，我们在此提出一种基于深度学习的新算法，将著名的深度图像先验（DIP）扩展至 TLM 视频超分辨率（SR）且无需任何训练。所提递归深度先验视频（RDPV）方法引入了若干新意。DIP 网络架构的权重依据一种新的递归更新规则并结合高效的早停准则为各帧初始化。此外，DIP 损失函数受两项不同的基于全变分（TV）的项惩罚。该方法在合成的（即人工生成的）以及来自肿瘤-免疫相关 OOC 实验的真实视频上进行了验证。所得结果与多种最先进的已训练深度学习 SR 算法比较，展现出卓越性能。
引用
@article{arxiv.2011.09855,
title = {Recursive Deep Prior Video: a Super Resolution algorithm for Time-Lapse Microscopy of organ-on-chip experiments},
author = {Pasquale Cascarano and Maria Colomba Comes and Arianna Mencattini and Maria Carla Parrini and Elena Loli Piccolomini and Eugenio Martinelli},
journal= {arXiv preprint arXiv:2011.09855},
year = {2020}
}
备注
Paper submitted to a peer-reviewed journal