-
公开(公告)号：CN116309073B
公开(公告)日：2023-12-29
申请号：CN202310320880.X
申请日：2023-03-24
IPC分类号： G06T3/40 , G06N3/0455 , G06N3/0464 , G06N3/048 , G06N3/08
摘要： 一种基于深度学习的低对比度条纹SIM重建方法，包括：首先制作低对比度条纹SIM图像训练数据集；然后构建并训练低对比度SIM超分辨神经网络；最后实现低对比度条纹SIM实验数据的超分辨重建。本发明还包括一种基于深度学习的低对比度条纹SIM重建系统。本发明可以在低对比度照明条纹的情况下，实现高质量和高分辨SIM图像重建。克服了传统SIM技术对照明条纹对比度的依赖，大大扩展其应用范围；本发明所需的低对比度条纹SIM图像训练集可以通过仿真得到，无需实验获取，大大降低了训练集的制作难度；本发明不增加任何系统复杂度，可基于任何已有SIM系统实现，具有广泛的应用范围。
-
公开(公告)号：CN117011133A
公开(公告)日：2023-11-07
申请号：CN202310515461.1
申请日：2023-05-09
申请人： 浙江大学
IPC分类号： G06T3/40 , G06V10/774 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/08
摘要： 本发明公开了一种基于物理先验深度学习的荧光显微分辨率提升方法，该方法首先进行低分辨率图像获取并进行训练数据集制作；其次搭建一个包括上投影模块与下投影模块的Res‑U‑DBPN网络，该网络为U型网络，同深度的上投影模块与下投影模块之间通过跳层进行特征融合；之后构建目标函数和进行网络训练，目标函数包含物理先验约束，稀疏约束和连续性约束；将样品荧光图像进行点扩散函数匹配，进行去背景并输入训练好的网络，得到分辨提升后图像结果。本方法对硬件和样品没有特殊要求，有较高的结构泛化性以及保真性，无需针对特定结构进行调参或采集对应高分辨率数据集训练，仅需一次训练即可在SIM分辨率基础上提升1.5倍。
-
公开(公告)号：CN115839936B
公开(公告)日：2023-07-18
申请号：CN202211589202.5
申请日：2022-12-12
摘要： 本发明公开了一种基于锁相探测的结构光照明超分辨显微成像重构方法，包括：1)获取不同相位、不同方向的结构光照明原始图像；2)估算出条纹的调制频率和相位参数；3)进行锁相解调提取出样品的在焦信息并滤除离焦信息；4)将锁相探测得到的结果作为原始输入进行传统超分辨重构，重建出具有层切能力、高信背比的超分辨图片，本发明在保证重构的图片具有较高分辨率的同时，能有效去除离焦的背景信息干扰。
-
公开(公告)号：CN115841423A
公开(公告)日：2023-03-24
申请号：CN202211589185.5
申请日：2022-12-12
IPC分类号： G06T3/40 , G06N3/0464 , G06N3/045 , G06N3/0475
摘要： 本发明公开了一种基于深度学习的宽场照明荧光超分辨显微成像方法，包括训练集原始图像获取，训练数据集制作，网络训练、损失函数构建，超分辨图像重建等步骤，本发明仅通过一张宽场图片即可实现超分辨SIM重构，成像速度快，降低了光毒性，提升了时间分辨率；训练集需要使用SIM系统采集，一旦训练完成之后即可基于普通的宽场显微镜系统完成超分辨成像，光路简单，样品要求低，普适性强。
-
公开(公告)号：CN115841423B
公开(公告)日：2023-06-27
申请号：CN202211589185.5
申请日：2022-12-12
IPC分类号： G06T3/40 , G06N3/0464 , G06N3/045 , G06N3/0475
摘要： 本发明公开了一种基于深度学习的宽场照明荧光超分辨显微成像方法，包括训练集原始图像获取，训练数据集制作，网络训练、损失函数构建，超分辨图像重建等步骤，本发明仅通过一张宽场图片即可实现超分辨SIM重构，成像速度快，降低了光毒性，提升了时间分辨率；训练集需要使用SIM系统采集，一旦训练完成之后即可基于普通的宽场显微镜系统完成超分辨成像，光路简单，样品要求低，普适性强。
-
公开(公告)号：CN115839936A
公开(公告)日：2023-03-24
申请号：CN202211589202.5
申请日：2022-12-12
摘要： 本发明公开了一种基于锁相探测的结构光照明超分辨显微成像重构方法，包括：1)获取不同相位、不同方向的结构光照明原始图像；2)估算出条纹的调制频率和相位参数；3)进行锁相解调提取出样品的在焦信息并滤除离焦信息；4)将锁相探测得到的结果作为原始输入进行传统超分辨重构，重建出具有层切能力、高信背比的超分辨图片，本发明在保证重构的图片具有较高分辨率的同时，能有效去除离焦的背景信息干扰。
-
公开(公告)号：CN115619646B
公开(公告)日：2023-04-18
申请号：CN202211577360.9
申请日：2022-12-09
摘要： 本发明公开了一种亚五十纳米结构光照明超分辨显微成像方法，涉及光学超分辨显微成像领域，先通过图像退化获得高分辨STORM图像和低分辨SIM图像并进行配对、再对配对的数据进行训练数据集制作，然后通过训练的去噪网络进行去噪优化，最后通过SIM超分辨重构，输出高分辨率图像，本发明将传统SIM技术的分辨率提升至50 nm，同时不损失其快速、低光毒性、长时程成像能力；所需的训练集通过高分辨图像退化得到，无需实验获取，无需复杂的配准过程，大大降低了训练集的制作难度；本方法不增加任何系统复杂度，可基于任何已有SIM系统实现，应用范围广。
-
公开(公告)号：CN115619646A
公开(公告)日：2023-01-17
申请号：CN202211577360.9
申请日：2022-12-09
摘要： 本发明公开了一种亚五十纳米结构光照明超分辨显微成像方法，涉及光学超分辨显微成像领域，先通过图像退化获得高分辨STORM图像和低分辨SIM图像并进行配对、再对配对的数据进行训练数据集制作，然后通过训练的去噪网络进行去噪优化，最后通过SIM超分辨重构，输出高分辨率图像，本发明将传统SIM技术的分辨率提升至50 nm，同时不损失其快速、低光毒性、长时程成像能力；所需的训练集通过高分辨图像退化得到，无需实验获取，无需复杂的配准过程，大大降低了训练集的制作难度；本方法不增加任何系统复杂度，可基于任何已有SIM系统实现，应用范围广。
-
公开(公告)号：CN116503246B
公开(公告)日：2023-11-14
申请号：CN202310305965.0
申请日：2023-03-27
IPC分类号： G06T3/40 , G06N3/0455 , G06N3/08
摘要： 基于深度学习的视频级实时结构光照明超分辨显微成像方法，包括以下步骤：训练数据集的获取和处理，轻量化神经网络的搭建、训练和调整，模型整合，视频级实时SIM超分辨重构。本发明还包括基于深度学习的视频级实时结构光照明超分辨显微成像系统。本发明可实现视频级实时SIM超分辨显微重构，网络结构轻量化，硬件要求低，可在低信噪比实验条件下对待测样品进行视频级实时超分辨SIM重构观测，从而帮助用户更加友好、更加灵活地选择拍摄目标，获取更丰富更有价值的实验数据。
-
公开(公告)号：CN116540394A
公开(公告)日：2023-08-04
申请号：CN202310385698.2
申请日：2023-04-12
申请人： 浙江大学
摘要： 本发明公开了一种基于结构光照明和深度学习的光片显微镜单帧自聚焦方法，包括以下步骤：对光束进行整形，形成复合多个深度且横向错开的结构光照明样品并保持固定不动；移动探测物镜拍摄多个图像堆栈并输入到深度傅里叶神经网络中进行训练；利用相同的深度复合结构光照明样品并拍摄一帧样品图像输入到训练好的网络中进行离焦预测；最终根据网络输出的结果完成离焦补偿。本发明实现利用单帧图像完成光片显微镜的离焦预测，解决传统自聚焦方案中需要扫描多帧图像的问题，提升系统长时程高质量成像能力；深度傅里叶神经网络对离焦判断快、精度高，有利于提高光片显微镜的成像速度，其所需训练集数量少、网络泛化性好，有助于提高网络的可获得性。
-
-
-
-
-
-
-
-
-
搜索结果
12 条记录 (耗时 0.017 秒)