【技术实现步骤摘要】
本申请涉及到利用深度学习进行显微图像超分辨重建，特别是基于频域-空域对齐技术对用于视频(显微图像时间序列)超分辨处理的神经网络系统。
技术介绍
1、受到光学衍射的限制，传统荧光显微技术的分辨率最高仅能达到200纳米左右，不足以对线粒体内脊、细胞微丝等精细的细胞器结构进行解析，从而严重阻碍了相关生命科学现象的观测。超分辨显微镜突破了长期以来衍射极限分辨率的限制，彻底改变了显微镜对精细生物结构的可视化能力。例如结构光照明超分辨显微技术(sim)使用了多个经过调制(如正弦摩尔条纹)的激发光照射样本，再通过特定算法重建后，可以获得2倍分辨率的提升，实现对更加精细结构的解析。结构光显微系统由于具有成像速度快、光毒性低、样本适用性宽的特点，在活体细胞成像领域有着非常广泛的应用。然而，值得注意的是，任何通过硬件(例如上述超分辨显微镜)超分辨技术来提高空间分辨率都需要较长的采集时间和/或较高的照明强度。虽然sim以其低光毒性和高时间分辨率在活细胞成像中越来越受欢迎，但是结构光显微技术的超分辨率图片需要通过重建算法从一系列原始图像中获得。由于重建算法中涉...
【技术保护点】
1.一种以频域-空域对齐为基础的对显微图像序列进行超分辨处理的方法，包括：
2.根据权利要求1所述的方法，其特征在于，低分辨荧光显微图像序列经上采样后与超分辨图像序列相加。
3.根据权利要求1或2所述的方法，其特征在于，在训练超分辨处理系统的神经网络时，针对生物样本所获取的多个低分辨荧光显微图像组成的低分辨荧光显微图像序列作为训练用输入，针对同一生物样本获得的高分辨图像序列作为训练用真值。
4.根据权利要求1或2所述的方法，其特征在于，在训练超分辨处理系统的神经网络时，针对生物样本利用结构光成像技术获得的结构光图像序列并经超分辨处理...
【技术特征摘要】
1.一种以频域-空域对齐为基础的对显微图像序列进行超分辨处理的方法，包括：
2.根据权利要求1所述的方法，其特征在于，低分辨荧光显微图像序列经上采样后与超分辨图像序列相加。
3.根据权利要求1或2所述的方法，其特征在于，在训练超分辨处理系统的神经网络时，针对生物样本所获取的多个低分辨荧光显微图像组成的低分辨荧光显微图像序列作为训练用输入，针对同一生物样本获得的高分辨图像序列作为训练用真值。
4.根据权利要求1或2所述的方法，其特征在于，在训练超分辨处理系统的神经网络时，针对生物样本利用结构光成像技术获得的结构光图像序列并经超分辨处理获得的结构光超分辨图像序列作为训练用真值，将结构光图像序列进行选择性结合获得的图像序列作为训练用输入，其中选择性结合取决于结构光条纹之间的相位差。
5.根据权利要求1至4任一所述的方法，其特征在于，在所述特征传播与对齐模块中，传播以一次传播、和/或二次传播、和/或更高阶传播的方式进行。
6.根据权利要求5所述的方法，其特征在于，所述特征传播利用多个依次相连的基础神经网络子模块实现；和/或，所述重建模块包括多个依次相连的基础神经网络子模块以及像素重排子模块，以进行超分辨处理。
7.根据权利要求6所述的方法，其特征在于，用于特征提取的基础神经网络子模块、用于频域对齐的基础神经网络子模块、用于特征传播的基础神经网络子模块、和/或用于重建的基础神经网络子...
【专利技术属性】
技术研发人员：李栋，乔畅，刘书然，
申请(专利权)人：中国科学院生物物理研究所，
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。