自动解混:一种基于自动编码器的光谱解混方法,用于多色光显微镜成像
Yuan Jiang1, Hao Sha1, Shuai Liu2
1School of Computer Science and Technology, Harbin Institute of Technology, Shenzhen, Guangdong 518055, China.
Biomedical optics express
|October 4, 2023
概括
一种深度学习方法AutoUnmix通过执行盲色光谱脱杂来增强多重光显微镜. 这种新的方法显著提高了图像质量和分析速度,为生物研究提供了强大的工具.
科学领域:
- 生物医学成像学 生物医学成像学
- 显微镜的使用方法
- 计算生物学是一种计算生物学.
背景情况:
- 多复合光显微镜对于生物医学研究至关重要.
- 同时多光子成像中的光谱泄漏和重叠会降低图像质量和分析.
- 目前的光谱分离方法是计算密集的,依赖于参考光谱.
研究的目的:
- 为改进光显微镜开发基于深度学习的盲色光谱分离方法.
- 创建一种方法,克服现有的光谱脱杂技术的局限性.
- 为了提高图像质量和多光体成像中的分析能力.
主要方法:
- 提出了基于深度学习的盲目光谱脱杂方法AutoUnmix.
- 实施了一种转移学习框架,用于跨成像系统的适应性.
- 在合成数据集和生物样本上验证的性能.
主要成果:
- 自动解混实现实时解混,比现有方法快100倍.
- 在三色和四色成像中表现出卓越的重建性能,最高的SSIM为0.99.
- 在量化表现方面,其表现超过了流行的脱方法近20%.
结论:
- 自动解混提供了数据独立和优越的盲目解混性能.
- 该方法显著提高了多光子显微镜中的图像质量和分析.
- AutoUnmix是一个强大的工具,用于研究被多个光体标记的有机细胞的相互作用.
更多相关视频
08:22Measurement of 3-Dimensional cAMP Distributions in Living Cells using 4-Dimensional x, y, z, and λ Hyperspectral FRET Imaging and Analysis
Published on: October 27, 2020
3.9K
12:51Simultaneous Multicolor Imaging of Biological Structures with Fluorescence Photoactivation Localization Microscopy
Published on: December 9, 2013
8.9K
