医学显微镜图像的焦点预测基于轻量密集连接与挤压激发网络
Hesong Jiang1, Li Ma1, Xueyuan Wang1
1School of Information Engineering, Southwest University of Science and Technology, Mianyang, China.
Frontiers in neuroscience
|July 17, 2023
概括
一个新的轻量级深度学习模型LDSE-NET显著改善了光学显微镜的焦点预测. 这种快速对焦预测可以提高动态生物样本的成像质量,同时减少训练时间和模型大小.
科学领域:
- 生物医学成像技术 生物医学成像技术
- 计算生物学 计算生物学
背景情况:
- 光学显微镜对生物学和医学至关重要,但保持对活样本的关注是具有挑战性的.
- 现有的焦点预测方法很慢,限制了高率成像,并可能损害样品.
研究的目的:
- 为光学显微镜开发一个快速和轻量级的焦点预测算法.
- 提高动态生物样本显微镜成像的效率和准确性.
主要方法:
- 拟议的轻量级密集连接与挤压和刺激网络 (LDSE-NET).
- 使用公开和自建数据集对BotNet和ResNet50进行了LDSE-NET的评估.
- 实施了一个全面的评估系统,用于多区域和多倍数预测.
主要成果:
- LDSE-NET实现了一个根平均平方误差低至1E-05.5.
- 与现有方法相比,对焦距的预测精度增加了1-2倍.
- 训练时间减少了33.3%,模型大小在KB范围内.
结论:
- LDSE-NET为光学显微镜中的快速焦点预测提供了一种轻量级和高效的解决方案.
- 拟议的模型提高了成像质量,并减少了动态生物样本的处理时间.
- 由于LDSE-NET的足迹很小,因此适用于资源有限的应用程序.
