通过深度学习策略改善分散组织中的平面光显微镜

科学领域:

• 生物医学成像技术 生物医学成像技术
• 光学工程是指光学工程.
• 计算神经科学是一种神经科学.

背景情况:

• 肠道显微镜对于观察活体动物的生物过程至关重要.
• 微型光显微镜可以进行神经电路观测,但受到庞大的光学技术的限制.
• 平面光显微镜 (FFM) 为自由移动的动物成像提供了无镜头的替代方案,但在分散组织中面临着图像质量的挑战.

研究的目的:

• 为了提高平面光显微镜 (FFM) 的图像质量,用于在生物组织中进行体内成像.
• 研究深度学习 (DL) 技术的应用,以通过散射介质增强FFM成像.
• 开发和评估用于强大的FFM图像重建的计算模型.

主要方法:

• 开发一个整体的光线跟踪和蒙特卡罗FFM计算模型.
• 评估深度学习模型通过散射介质进行成像.
• 应用基于物理的DL模型与乘数交替方向方法 (ADMM) 结合用于图像重建.

主要成果:

• 使用ADMM的基于物理的DL模型在散射介质中展示了快速和强大的图像重建.
• 与代模型相比,在分散介质上重建的FFM图像的结构相似度指数增加了多达20%.
• 该研究介绍并讨论了在物理知情学习下FFM的DL方法相关的挑战.

结论:

• 深度学习显著提高FFM成像性能在分散生物组织.
• 基于物理学的DL和ADMM的组合为高质量的体内显微镜提供了有前途的方法.
• 需要对FFM的DL进行进一步的研究,包括监督和无监督学习.