摘要
本发明公开了基于扩散模型的自监督三维荧光显微成像各向同性分辨率增强方法,以解决现有三维荧光显微成像技术中因各向异性分辨率导致的生物结构解析不足、硬件改进方案复杂以及现有深度学习方法的强假设依赖等问题。该方法仅需轴向切片即可完成模型训练,彻底摆脱传统方法对轴向‑横向结构相似性的强假设限制,显著提升生物样本的普适性。且相较基于对抗学习的方案,本发明训练过程更加稳定,更易于训练。
技术关键词
分辨率
切片
荧光显微成像系统
去卷积算法
像素
图像超分辨
荧光显微成像技术
数据训练神经网络
尺寸
反投影算子
分布特征
高精度机械
生物
样本
神经网络训练
深度学习方法
图像堆栈