用于各向异性采集三维电子显微图像各向同性重建的自监督超分辨率方法
图像与视频处理
2023-09-20 v1 计算机视觉与模式识别
摘要
三维电子显微镜（3DEM）是探究体积组织超结构的重要技术。由于技术限制与高成像成本，样本常以各向异性方式成像，其中轴向（）分辨率低于横向 。这种各向异性 3DEM 会妨碍后续分析与可视化任务。为克服此限制，我们提出一种新颖的基于深度学习（DL）的自监督超分辨率方法，从各向异性采集计算重建各向同性 3DEM。所提出的基于 DL 的框架构建于融入视觉Transformer（ViT）模块的 U 形架构之上，能够高能力地学习局部与全局多尺度图像依赖。为训练定制网络，我们采用自监督方法。具体而言，我们从给定各向异性 3DEM 数据生成各向异性与各向同性训练数据对。通过将给定各向异性 3DEM 数据集经我们提出的框架输入训练好的网络，获得各向同性 3DEM。重要的是，该各向同性重建方法仅依赖给定各向异性 3DEM 数据集，不需要成对的共配准各向异性与各向同性 3DEM 训练数据集。为评估所提方法的有效性，我们使用从脑获取的三个 3DEM 数据集进行实验。实验结果表明，我们提出的框架能成功从各向异性采集重建各向同性 3DEM。
引用
@article{arxiv.2309.10646,
title = {Self-Supervised Super-Resolution Approach for Isotropic Reconstruction of 3D Electron Microscopy Images from Anisotropic Acquisition},
author = {Mohammad Khateri and Morteza Ghahremani and Alejandra Sierra and Jussi Tohka},
journal= {arXiv preprint arXiv:2309.10646},
year = {2023}
}