【技术实现步骤摘要】
本专利技术涉及数字图像处理和深度学习领域，尤其涉及一种电子显微镜体积数据重建方法。
技术介绍
1、大尺度电子显微镜体积(volume)数据是重建一些物体微观结构的数据支撑，如蛋白结构重建、神经元重建、细胞结构重建等等。体积数据是通过将样本切成极薄的样本并通过电子显微镜扫描堆叠而成。但由于切片十分脆弱，要获得超过大量连续且完美无瑕的切片并进行成像几乎是不可能的。每个切片堆都会包含多种图像缺陷，比如会出现对比度和亮度的不一致、折叠、撕裂、成像时的图像收缩、镜头畸变、切片丢失、切片污损以及尘埃颗粒等问题。这会在完整图像中留下空白影响微观结构的重建。并且由于难以找回丢失的切片，已经污损的切片也难以还原，因此在数据采集上难以解决。
2、为了能够正确重构这些微观结构，需要对这些超高分辨率图像进行有效、精确的分割。然而，由于微观结构的复杂性，在超高分辨率的电镜图像下，这些结构数量繁多且图像数量繁多，且体积数据中通常包含大量堆叠的图像，采用人工标记的方式效率低，而且又容易出错。
3、人工标记需要对每层图像进行精确分割，由于微观结...
【技术保护点】
1.一种电子显微镜体积数据重建方法，其特征在于，所述方法包括：
2.根据权利要求1所述方法，其特征在于，所述预训练的体素增强算法为改进的循环生成对抗网络算法。
3.根据权利要求2所述方法，其特征在于，所述改进的循环生成对抗网络算法的网络架构包括：
4.根据权利要求3所述方法，其特征在于，所述生成器X、所述生成器Y的主干网络采用U-Net神经网络。
5.根据权利要求3所述方法，其特征在于，所述判别器X、所述判别器Y和所述判别器E的主干网络采用多层卷积神经网络。
6.根据权利要求3所述方法，其特征在于，所述方法还
...
【技术特征摘要】
1.一种电子显微镜体积数据重建方法，其特征在于，所述方法包括：
2.根据权利要求1所述方法，其特征在于，所述预训练的体素增强算法为改进的循环生成对抗网络算法。
3.根据权利要求2所述方法，其特征在于，所述改进的循环生成对抗网络算法的网络架构包括：
4.根据权利要求3所述方法，其特征在于，所述生成器x、所述生成器y的主干网络采用u-net神经网络。
5.根据权利要求3所述方法，其特征在于，所述判别器x、所述判别器y和所述判别器e的主干网络采用多层卷积神经网络。
6.根据权利要求3所述方法，其特征在于，所述方法还包括：
7.根据权利要求1所...
【专利技术属性】
技术研发人员：肖立，于宏洋，黄守庚，熊亮，吴宏俊，金亮，
申请(专利权)人：北京邮电大学，
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。