基于傅里叶神经网络的计算多孔径微型显微镜大视场高分辨率重建
光学
2024-05-31 v2 图像与视频处理
摘要
传统荧光显微镜受限于分辨率、视场和系统复杂性之间的固有权衡。为了应对这些挑战，我们引入了一种简单且低成本的计算机多孔径微型显微镜，利用微透镜阵列进行单次拍摄的大视场、高分辨率成像。针对该设备中由大量视图复用以及非局域、平移变化像差带来的挑战，我们提出了一种新型多通道傅里叶神经网络 SV-FourierNet。SV-FourierNet 通过其学习到的全局感受野，促进了整个成像视场内的高分辨率图像重建。我们建立了物理空间变化点扩散函数与网络学习到的有效感受野之间的密切关系。这确保了 SV-FourierNet 有效地封装了我们系统中的空间变化像差，并学习到了用于图像重建的具有物理意义的函数。SV-FourierNet 的训练完全在基于物理的模拟器上进行。我们展示了自由移动的 C. elegans 群落的大视场、高分辨率视频重建以及小鼠脑切片的成像。我们结合了 SV-FourierNet 的计算机多孔径微型显微镜代表了计算显微领域的一项重大进展，并可能在生物医学研究及其他需要紧凑显微解决方案的领域得到广泛应用。
引用
@article{arxiv.2403.06439,
title = {Wide-Field, High-Resolution Reconstruction in Computational Multi-Aperture Miniscope Using a Fourier Neural Network},
author = {Qianwan Yang and Ruipeng Guo and Guorong Hu and Yujia Xue and Yunzhe Li and Lei Tian},
journal= {arXiv preprint arXiv:2403.06439},
year = {2024}
}