活体红细胞的定量阶段成像,结合数字全息显微镜和深度学习
Jiaxi Zhao1, Lin Liu1, Tianhe Wang1
1School of Optoelectronic Science and Engineering, University of Electronic Science and Technology of China, Chengdu, China.
Journal of biophotonics
|June 15, 2023
概括
这项研究介绍了VY-Net,这是一种深度学习方法,可以从活细胞的数字全息图中准确地重建相位. 该方法证明了生物成像的高性能和通用性.
科学领域:
- 生物医学光学 生物医学光学
- 计算成像技术的成像
- 细胞生物学 细胞生物学
背景情况:
- 数字全息显微镜 (DHM) 提供非接触式,非侵入式,准确的定量相位成像.
- 阶段重建对于DHM在生物和生物医学研究中的应用至关重要.
- 现有的方法在活细胞分析的稳定性和效率方面可能面临挑战.
研究的目的:
- 开发一种有效和强大的深度学习模型,用于从单次数字全息图中进行相位重建.
- 通过使用DHM. 实现活细胞的直接定量相位成像.
- 引入新的指标来评估阶段重建质量.
主要方法:
- 一个名为VY-Net的两级深卷积神经网络被设计用于阶段重建.
- VY-Net处理单射离轴的数字全息图来提取相位信息.
- 提出了两个新的指数,以定量评估重建阶段的准确性和质量.
主要成果:
- 在活体红细胞的阶段重建中,VY-Net实现了高性能.
- 实验结果显示,重建阶段的平均结构相似度指数 (SSIM) 为0.9309.
- 重建的平均准确率达到91.54%,证明了定量精确度.
- 该模型成功地重建了一个看不见的活人白细胞的相位图,证明了它的普遍性.
结论:
- 在数字全息显微镜中,VY-Net为定量阶段重建提供了有效和强大的解决方案.
- 拟议的深度学习方法显著提高了活细胞成像和分析的能力.
- 证明的普遍性表明VY-Net在不同细胞类型和生物样本中具有广泛的适用性.
