利用机器学习算法的三维断层成像快速正则化方法及装置制造方法及图纸

提出一种利用机器学习算法的三维断层成像快速正则化方法及装置。一实施例的利用机器学习算法的三维断层成像的正则化方法可以包括：通过测量细胞的三维断层影像(tomogram)来获得细胞原始断层影像(raw tomogram)的步骤；使用正则化算法来获得正则化的断层影像(regularized tomogram)的步骤；以及通过机器学习算法学习上述原始断层影像与上述正则化的断层影像之间的关系的步骤。的断层影像之间的关系的步骤。的断层影像之间的关系的步骤。

【技术实现步骤摘要】
【国外来华专利技术】利用机器学习算法的三维断层成像快速正则化方法及装置


[0001]以下多种实施例涉及一种利用机器学习算法的三维断层成像快速正则化方法及装置。

技术介绍

[0002]目前，由于光学透镜的物理极限，三维断层成像(tomographic imaging)技术无法测量光轴(optical axis)方向的空间频率信息，因此相应方向的分辨率下降，为了克服这一点，使用基于迭代(iteration)的正则化算法填充未测量的空间频率信息，上述正则化算法利用了关于试片的已知信息(information)或假设(assumption)。
[0003]常用的正则化算法包括：非负性(non
‑
negativity)，使用试片的背景具有特定值以上的假设；以及全变分，使用试片的三维断层影像具有较小的空间变化率的假设。
[0004]尤其，在全变分(total variation)等正则化算法的情况下，由于可以有效提高三维影像的光轴方向的分辨率，所以被广泛使用，但是，由于用梯度下降(gradient descent)迭代(iteratively本文档来自技高网...

【技术保护点】

【技术特征摘要】
【国外来华专利技术】1.一种利用机器学习算法的三维断层成像的正则化方法，其特征在于，包括：通过测量细胞的三维断层影像来获得细胞原始断层影像的步骤；使用正则化算法来获得正则化的断层影像的步骤；以及通过机器学习算法学习上述原始断层影像与上述正则化的断层影像之间的关系的步骤。2.根据权利要求1所述的利用机器学习算法的三维断层成像的正则化方法，其特征在于，还包括利用学习后的上述机器学习算法来对所测量的细胞的三维断层影像进行正则化的步骤。3.根据权利要求1所述的利用机器学习算法的三维断层成像的正则化方法，其特征在于，在通过测量上述细胞的三维断层影像来获得细胞原始断层影像的步骤中，利用旋转从多个角度照射的入射光的方式测量细胞的三维折射率影像，或者通过利用在旋转或平移细胞的同时测量的多个二维影像来获得细胞的三维折射率影像。4.根据权利要求1所述的利用机器学习算法的三维断层成像的正则化方法，其特征在于，在上述使用正则化算法来获得正则化的断层影像的步骤中，通过全变分正则化获得与各个影像对应的正则化的折射率影像，形成上述原始断层影像和上述正则化的断层影像的成对数据集。5.根据权利要求4所述的利用机器学习算法的三维断层成像的正则化方法，其特征在于，在通过机器学习算法学习上述原始断层影像与上述正则化的断层影像之间的关系的步骤中，通过上述机器学习算法学习上述原始断层影像与上述正则化的断层影像的成对数据集之间的非线性关系，来提取细胞种类的特异性特征。6.根据权利要求2所述的利...

【专利技术属性】
技术研发人员：朴龙根，柳东勋，闵铉皙，柳东旼，
申请(专利权)人：韩国科学技术院，
类型：发明
国别省市：