【技术实现步骤摘要】
三光子深层组织成像方法及装置
[0001]本专利技术涉及计算机
，尤其是涉及一种三光子深层组织成像方法及装置。
技术介绍
[0002]光学成像在基础生物学研究和临床诊断中都发挥着重要作用，它为研究生物组织提供了一种非侵入性、微创的显微成像的方法。而进行生物深层组织成像一直以来是一项较大的科学挑战，组织的密度分布极其不均匀以及组织成分的强烈散射限制了成像的分辨率。
[0003]多光子显微镜是一种强大的功能成像技术，它已经被广泛应用于深层组织生命现象的观测。传统的单光子荧光显微镜在观测时，一个分子或者原子每次只能吸收一个光子,从基态跃迁到激发态。而当光强足够高时，就会产生多光子跃迁，即一次可以吸收多个光子。以荧光物质的双光子吸收为例：荧光分子同时吸收两个相同频率的光子，被激发跃升至高能级，经过一个弛豫过程后发生自发跃迁回到低能级，辐射出一个频率略小于两倍入射光频率的荧光光子。由此可知，荧光分子的多光子激发需要的激光波长比单光子长，且多光子激发只能产生在焦点附近的一个极小区域中。这给多光子显微镜带来了诸多优势，如对生...
【技术保护点】
【技术特征摘要】
1.一种三光子深层组织成像方法，其特征在于，包括：从三光子显微镜捕获低信噪比图像，将所述低信噪比图像以连续数据流的方式输入高性能运算单元；通过所述高性能运算单元上部署的预先训练好的数据增强网络对所述连续数据流进行处理，得到增强后的高信噪比数据流；将所述高信噪比数据流在显示器上进行同步显示。2.根据权利要求1所述的方法，其特征在于，所述方法进一步包括：采用自监督学习方式训练用于数据增强的数据增强网络，其中，所述数据增强网络的网络架构采用三维“U形”卷积神经网络；根据网络定义和使用的运算平台，对所述数据增强网络执行特定于网络和平台的推理优化算法，将所述数据增强网络中的层和张量进行融合，并生成推理引擎，通过消除冗余运算、重新排序和组合操作对所述数据增强网络的神经网络层级结构进行优化。3.根据权利要求2所述的方法，其特征在于，所述对所述数据增强网络执行特定于网络和平台的推理优化算法进一步包括：在所述推理优化算法中提供将32位浮点运算减少到16位浮点数或8位整数的参数选项；根据需求选择所述推理优化算法的浮点运算精度，在所述推理优化算法构建阶段遍历多个操作符，找到与精度转换和网络结构转换组合在一起时速度最快的操作符；根据不同的显卡构架和内核频率，选择不同的优化策略以及计算方式，确定最合适当前构架的计算方式；指定每次推理优化的显存，并进行多线程操作，并行计算各种网络参数，降低模型编码器每一层的特征向量数量，对所述数据增强网络进行压缩。4.根据权利要求1所述的方法，其特征在于，从三光子显微镜捕获低信噪比图像具体包括：通过三光子显微镜对样本进行持续拍摄得到低信噪比图像，通用成像接口将所述低信噪比图像转换为连续数据流，其中，所述连续数据流中包含不同的数据批次，每一批数据是时间上相邻的若干帧。5.根据权利要求1所述的方法，其特征在于，通过所述高性能运算单元上部署的预先训练好的数据增强网络对所述连续数据流进行处理具体包括：通过所述高性能运算单元上部署的预先训练好的数据增强网络以特定数据处理时序对所述连续数据流进行处理，其中，所述特定数据处理时序为包含六个数据批次的时序，其中任意两个相邻的数据批次之间有第一预定百分比的预留重叠；处理之后的每个数据批次，丢弃其前后第二预定百分比的帧，仅保存和显示每个批次中间第三预...
【专利技术属性】
技术研发人员：吴嘉敏，李奕昕，戴琼海，
申请(专利权)人：杭州涿溪脑与智能研究所，
类型：发明
国别省市：
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。