用光子灯进行计算光学成像的一种原始-双元数据驱动的方法
Carlos Santos Garcia1, Mathilde Larchevêque1, Solal O'Sullivan1
1CVN, CentraleSupélec, Unversité Paris-Saclay, Gif sur Yvette 91190, France.
PNAS nexus
|May 1, 2024
概括
本研究引入了一种基于数据的方法,用于使用灯 (COIL) 微内镜进行计算光学成像. 新的插入和播放方法提高了使用已知的denoisers的图像重建质量.
科学领域:
- 生物医学光学 生物医学光学
- 计算成像技术的成像
- 在成像中的机器学习.
背景情况:
- 高分辨率的体内成像对生物过程至关重要.
- 使用灯 (COIL) 的计算光学成像提供了一个单像素成像解决方案.
- 现有的SARA-COIL方法依赖于稀疏性先验来进行图像重建.
研究的目的:
- 为COIL微内镜开发一种数据驱动的方法.
- 通过整合已知的denoisers来提高COIL中的图像重建质量.
- 在模拟和真实数据上验证新方法的性能.
主要方法:
- 开发了一个插入和播放 (PnP) 算法,通过用一个学习的denoiser取代稀疏优先级.
- 利用近位初级二元算法来解决基于莫罗佐夫公式的反向问题.
- 使用学习理论训练了一个神经网络,以确保可取的Lipschitz属性.
主要成果:
- 与变化的SARA-COIL方法相比,PNP算法证明了更好的图像重建质量.
- 展示了初级-双元PNP算法的融合,以解决单调的纳入问题.
- 在模拟和真实微内镜数据上成功应用.
结论:
- 数据驱动的PNP方法为COIL微内镜学提供了显著的进步.
- 学习的denoisers为图像重建提供了一个强大的替代方案,而不是传统的稀疏性先验.
- 这种方法增强了光纤在体内生物成像中的潜力.


