实时的荧光成像智能增强方法与装置制造方法及图纸

本发明专利技术本发明专利技术公开了一种实时的荧光成像智能增强方法及装置，其中，方法包括：采用自监督学习预先训练神经网络模型，把训练好的神经网络模型加载到运算单元上，加载过程包含对神经网络模型的优化；将图像通过成像系统接口转换得到连续数据流，将连续数据流输入运算单元，通过运算单元上训练好的神经网络模型对连续数据流进行处理，处理后的数据同样以连续数据流的形式输出；其中，对数据处理时序进行处理操作，以实时的数据处理和同步显示。该方法可以在荧光显微镜拍摄的同时，实时地进行图像增强，以提升数据信噪比。以提升数据信噪比。以提升数据信噪比。

【技术实现步骤摘要】
实时的荧光成像智能增强方法与装置


[0001]本专利技术涉及光学显微成像和智能图像处理等
，尤其涉及一种实时的荧光成像智能增强方法。

技术介绍

[0002]荧光显微成像是生命科学的核心研究方法。荧光显微成像包括荧光标记和光学成像两个部分，需要首先借助荧光蛋白或有机燃料对需要观察的结构或物质进行特异性的标记，然后再使用荧光显微镜进行观察。荧光显微镜首先发射短波长的光激发荧光分子，荧光分子受激发射长波长的荧光光子，荧光光子被探测器接收后形成图像，从而反映特定的结构和物质分布。由于荧光成像可以特异性地标记指定的结构，排除其它因素的干扰，再加上光学显微镜所特有的非侵入的特点，荧光显微成像成为生物结构和功能研究的主要方法之一。当前的荧光显微成像技术按照基本物理机理，可以分为线性荧光显微镜和非线性荧光显微镜。线性荧光显微镜指传统的单光子荧光显微镜，也就是荧光分子每发射一个荧光光子仅吸收一个激发光子。非线性显微镜中，荧光分子每发射一个荧光光子需要吸收多个激发光子。这两种技术各有优点，适合不同的应用场景。
[0003]纵观各种荧光显微成像技术，它本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种实时的荧光成像智能增强方法，其特征在于，包括以下步骤：采用自监督学习预先训练神经网络模型；把训练好的神经网络模型加载到运算单元上，加载过程包含对所述神经网络模型的优化；将图像通过成像系统接口转换得到连续数据流，将所述连续数据流输入所述运算单元，通过所述运算单元上训练好的神经网络模型对所述连续数据流进行处理，处理后的数据同样以连续数据流的形式输出；其中，对数据处理时序进行处理操作，以实时的数据处理和同步显示。2.根据权利要求1所述的方法，其特征在于，所述采用自监督学习预先训练神经网络模型，包括：其中，所述神经网络模型采用三维卷积核提取特征以聚合时空信息，所述预先训练采用自监督学习的训练方式，将原始的图像时间序列中的奇数帧和偶数帧，分别作为输入和输出。3.根据权利要求1所述的方法，其特征在于，所述将图像通过成像系统接口转换得到连续数据流，包括：拍摄获得低信噪比图像，所述低信噪比图像经过成像系统接口被转换为连续数据流，其中，所述连续数据流包含不同的数据批次，每一批数据是时间上相邻的若干帧。4.根据权利要求1所述的方法，其特征在于，所述将图像通过成像系统接口转换得到连续数据流，还包括：通过宽场荧光显微镜、共聚焦荧光显微镜、光片显微镜和多光子荧光显微镜的协同作用，以使得数据转换和数据传输。5.根据权利要求3所述的方法，其特征在于，所述对数据处理时序进行处理操作，以实时的数据处理和同步显示，包括：根据包含的数据批次的时序图，其中任意两个相邻的数据批次之间有40％的预留重叠，经数据处理之后的每个数据批次，前后20％的帧被丢弃，保存和显示所述每个数据批次中间60％的...

【专利技术属性】
技术研发人员：乔晖，王好谦，戴琼海，李欣阳，
申请(专利权)人：清华大学，
类型：发明
国别省市：