摘要
本发明公开了一种基于深度学习的提升体电子显微镜数据采集效率的方法,包括步骤:S10、采用体电子显微镜对样品进行三维图像数据的采集;S20、从同一体块区域采集的图像中选取训练样本;S30、建立神经网络图像增强模型,基于所述训练样本对所述神经网络图像增强模型进行训练;S40、将训练好的神经网络图像增强模型加载至体电子显微镜中,对采集的带噪图像进行处理,生成清晰图像;本发明引入深度学习模型,对连续图片作为一个整体进行三维降噪处理,从而降低了后续数据处理对单张图片的信噪比要求,利用该方法可在不影响三维重构结果的条件下大大缩短体电子显微镜的成像时间,从而提高数据采集的效率。
技术关键词
图像增强模型
电子显微镜
数据采集效率
三维图像数据
编码器模块
特征提取模块
扫描电镜
优化神经网络
后续数据处理
局部感受野
编码模块
分支
序列
深度学习模型
注意力机制
非线性
分辨率