摘要
本发明涉及一种基于超分辨率生成对抗网络的线粒体显微图像建模方法,属于医学人工智能领域。其包括以下步骤:获取线粒体显微图像,构建MitSuper数据集;对训练集中图像进行预处理;构建线粒体显微图像重建模型,所述模型包括第一显微特征提取器、第二显微特征提取器、跨尺度特征提取模块、自适应噪声抑制器、混合交叉注意力、超分辨率编码器、超分辨率解码器;使用训练集对模型进行训练;通过损失函数对线粒体显微图像重建模型进行优化,利用Adam优化器调整模型参数,得到训练好的模型;测试集中线粒体显微图像输入到训练好的模型中,得到超分辨率线粒体建模图像。本发明能够提高线粒体显微图像的超分辨率建模水平。
技术关键词
图像建模方法
超分辨率
生成对抗网络
特征提取器
噪声抑制器
积层
投影变换矩阵
图像重建
特征提取模块
编码特征
注意力
投影单元
方差贡献率
上采样
提纯
医学人工智能
解码器
编码器
系统为您推荐了相关专利信息
图像超分辨率
多尺度特征提取
多层次特征融合
深层特征提取
特征提取能力
印花布
图像分割模型
多模型
监测方法
多层感知机
模型调优方法
训练样本数据
电力
终端
深度学习训练
星载光学
深度神经网络
光学遥感影像
柏林噪声
解码器
跨模态
文本
异常检测方法
图像
多层次卷积神经网络