【技术实现步骤摘要】
基于卷积神经网络的三维单分子定位系统
本专利技术涉及计算机视觉和计算机图形学
，特别涉及一种基于神经网络的三维单分子定位系统。
技术介绍
在显微成像领域，实现更高精度的三维成像是当前的前沿问题。单分子定位显微技术可以突破传统光学显微镜的衍射极限，大幅度提升成像的定位精度，是生物医学领域观测细胞内部物质的最重要的技术之一。特别地，近年提出的PSFEngineering方法通过特殊订制的光学系统点扩散函数可以有效地提升荧光分子的轴向定位精度，吸引了领域学者的广泛关注。目前大部分的三维单分子定位算法对荧光分子的稀疏性和信噪比都具有较高的要求：一方面，因为算法无法可靠辨识点扩散函数重叠的荧光分子，在采集过程只能采用低能量的激光照射样本，以保证单次激发的荧光点足够稀疏，这导致激发过程往往需要重复上万次。另一方面，研究者们需要长曝光时间来保证采集低分辨率图像的信噪比。综上，单分子定位显微成像需要很长的采集过程。同时，相比传统的点扩散函数，面向单分子定位特殊订制的PSF往往点扩散函数重叠概率更高，信噪比更低，极大限制了其广泛
【技术保护点】
1.一种基于卷积神经网络的三维单分子定位系统，其特征在于，包括：荧光显微镜样本采集处理模块、训练数据生成模块、降噪神经网络模块、定位神经网络模块和三维重建模块，其中，/n所述荧光显微镜样本采集处理模块，用于通过超分辨荧光显微镜采集待定位样本，在测试图像的处理过程中，根据预设训练图像尺寸，对所述待定位样本进行切割，得到测试样本；/n所述训练数据生成模块，用于利用荧光小球样本对点扩散函数进行标定，得到所述训练数据集，并生成所述训练数据集中每个训练图像对应的真值三维矩阵；/n所述降噪神经网络模块，用于在训练过程中，通过所述训练数据集对无监督降噪网络进行训练，得到降噪模型参数，以对...
【技术特征摘要】
1.一种基于卷积神经网络的三维单分子定位系统，其特征在于，包括：荧光显微镜样本采集处理模块、训练数据生成模块、降噪神经网络模块、定位神经网络模块和三维重建模块，其中，
所述荧光显微镜样本采集处理模块，用于通过超分辨荧光显微镜采集待定位样本，在测试图像的处理过程中，根据预设训练图像尺寸，对所述待定位样本进行切割，得到测试样本；
所述训练数据生成模块，用于利用荧光小球样本对点扩散函数进行标定，得到所述训练数据集，并生成所述训练数据集中每个训练图像对应的真值三维矩阵；
所述降噪神经网络模块，用于在训练过程中，通过所述训练数据集对无监督降噪网络进行训练，得到降噪模型参数，以对所述训练数据集进行降噪，再将降噪后的训练数据集输出至所述定位神经网络模块；在测试过程中，仿照训练过程对所述测试样本进行降噪；
所述定位神经网络模块，用于在测试过程中，通过所述降噪后的训练数据集和所述真值三维矩阵对所述定位神经网络中进行训练，生成模型参数，以对所述待定位样本进行三维定位，生成三维定位数据；
所述三维重建模块，用于利用稀疏编码法对所述三维定位数据进行重建，得到超分辨图像。
2.根据权利要求1所述的基于卷积神经网络的三维单分子定位系统，其特征在于，所述训练数据生成模块具体通过空间中的随机激发点与标定的点扩散函数进行卷积求和得到所述训练数据集，其中，随机激发过程采用随机数生成器，在空间中对三维坐标进行预设范围的随机生成，激发点的亮度同时也通过所述随机数生成器生成，以保证所述每个训练图像的强度保持不变。
3.根据权利要求2所述的基于卷积神经网络的三维单分子定位系统，其特征在于，所述训练数据生成模块中所述点扩散函数为所述荧光显微镜样本采集处理模块张的三维矩阵，第三维度代表轴向位置，卷积过程按照所述轴向位置将随机激发点与点扩散函数进行卷积...
【专利技术属性】
技术研发人员：索津莉，张志宏，张伟航，戴琼海，
申请(专利权)人：清华大学，
类型：发明
国别省市：北京;11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。