通过基于深度学习的超分辨率重建进行增强的等离子散射成像,用于外体成像
Zhaochen Huo1, Bing Chen2, Zhan Wang1
1School of Electrical and Information Engineering, Zhengzhou University, Zhengzhou, Henan, 450001, PR China.
Analytical and bioanalytical chemistry
|September 24, 2024
概括
我们开发了ESRGAN-SE,这是一种用于超高分辨率外体成像的深度学习模型. 这种方法增强了等离子散射显微镜图像,提高了潜在癌症诊断的外体检测精度.
科学领域:
- 生物医学成像学 生物医学成像学
- 纳米技术纳米技术
- 人工智能的人工智能是人工智能.
背景情况:
- 外体分析对于理解生理和病理过程至关重要.
- 等离子散射显微镜 (PSM) 提供无标签的外体检测,但受到噪声干扰.
- 准确的外体图像分析对于疾病诊断至关重要.
研究的目的:
- 通过使用一种新的深度学习方法来提高通过PSM获得的外体图像的分辨率.
- 开发一种强大且可通用的方法,以改善外体检测,而不会增加实验复杂性.
主要方法:
- 提出了一个盲目的超分辨率深度学习神经网络,ESRGAN-SE.
- 从低分辨率的实验数据中训练模型生成高分辨率的等离子体散射图像.
- 使用无参考图像质量评估指标和SNR.评估了该方法的性能.
主要成果:
- ESRGAN-SE获得了优异的图像质量评估分数 (35.52036,0.09081,8.13176). 获得了优异的图像质量评估分数.
- 该模型显著减少了图像信息丢失,并增强了像素的相互信息.
- 一个高的单图像SNR得分 (3.93078) 表明了显著的目标背景区别.
结论:
- 开发的ESRGAN-SE模型有效地提高了外体图像的分辨率和质量.
- 这种方法为外体组分析提供了强大的和可通用的解决方案.
- 该方法有可能提高癌症诊断的准确性和患者的治疗结果.


