TIE-GANs:使用输送强度方程与整合GANs的一次性定量相位成像

科学领域:

• 计算机成像成像技术
• 显微镜中的人工智能
• 定量阶段成像 (QPI) 是一种定量阶段成像.

背景情况:

• 定量相成像 (QPI) 提供无标签的快速成像,但传统的干扰计方法是复杂的.
• 非干扰度方法,如传输强度方程 (TIE) 是首选的,但需要多个图像和广泛的计算.
• 现有的TIE方法是繁的,因为需要在不同的失焦平面上进行多张图像.

研究的目的:

• 使用人工智能开发一种更快,更简单的定量相位成像 (QPI) 方法.
• 为了克服传统的强度方程传输 (TIE) 方法的多拍数限制.
• 在TIE中引入基于生成对抗网络 (GAN) 的方法,用于一次性阶段检索.

主要方法:

• 用人运输强度方程 (TIE) 作为核心QPI方法.
• 利用生成对抗网络 (GAN) 来进行图像对图像的翻译,以生成相位图.
• 从不同的失焦平面捕获的图像使用GAN模型进行训练.

主要成果:

• 实现了高的结构相似度指数 (SSIM) 值:微粒为0.98,口腔细胞为0.95.
• 报告了有利的平均平方误差 (MSE) 和峰值信号对噪声比 (PSNR) 值.
• 证明了从单个强度图像中重建相位图的能力,并减少了计算时间.

结论:

• 拟议的TIE-GANs方法可以从强度图像中生成一次性相位图像.
• 高的SSIM值表明了数字细胞学等应用的可行性.
• 该方法有效处理失焦图像,允许从训练范围内的任何失焦平面生成相位图.