通过任务辅助的GAN提高分辨率,以指导光学纳米镜图像分析和获取

科学领域:

• 生物物理学的生物物理.
• 显微镜的使用方法
• 人工智能的人工智能

背景情况:

• 超分辨率显微镜在生物组织中提供了详细的纳米结构成像.
• 显微镜的冲突目标包括最大限度地提高分辨率,同时最大限度地减少光线暴露.
• 算法后获取方法旨在提高图像的分辨率和质量.

研究的目的:

• 引入一种新的AI方法,任务辅助生成对抗网络 (TA-GAN),用于增强生物纳米结构特征.
• 评估TA-GAN在改善各种显微镜模式的生成精度方面的表现.
• 将TA-GAN集成到显微镜采集管道中,以实现自动化优化.

主要方法:

• 开发并实施一个任务辅助的生成对抗网络 (TA-GAN),包括细分或本地化等辅助任务.
• 通过使用各种显微镜数据 (聚焦,明亮场,STED,SIM) 对TA-GAN与无助方法的生成精度进行了评估.
• 将TA-GAN集成到显微镜的采集管道中,以预测纳米内容并指导成像参数选择.

主要成果:

• 与无助方法相比,TA-GAN在不同成像方式中显示出更好的生成精度.
• 集成的TA-GAN管道自动选择最佳的成像模式和感兴趣的区域.
• 该系统预测了纳米含量,而不需要超高分辨率的图像采集,减少了光线暴露.

结论:

• TA-GAN提供了一种数据驱动的显微镜解决方案,以克服超高分辨率成像中的权衡.
• 这种方法可实现显微镜采集序列的自动优化,减少光线暴露.
• TA-GAN 便于通过增强的空间和时间分辨率观察动态分子过程.