神经时空模型用于动态多拍摄成像

科学领域:

• 计算机成像成像技术
• 生物医学成像学 生物医学成像学
• 机器学习用于成像.

背景情况:

• 序列计算成像易于在动态场景中移动文物.
• 现有的方法通常需要先前的数据或预训练,这限制了它们的适用性.
• 运动工件可能导致对生物过程的误解.

研究的目的:

• 在计算成像中开发一种用于联合估计场景和运动动态的新方法.
• 为了去除运动工件并从原始测量中解决样本动态.
• 为了使动态生物系统的准确重建和分析.

主要方法:

• 提出了一个神经时空模型 (NSTM).
• 该NSTM共同估计场景和运动动态.
• 没有要求先前的数据或预训练.

主要成果:

• NSTM有效地从重建的图像中删除了运动工件.
• 该模型成功地解决了样本动态.
• 在差分相对比显微镜,3D结构化照明显微镜和滚动百叶窗 DiffuserCam.中展示了性能.

结论:

• 在计算成像中,NSTM提供了一种统一的方法来去除文物和动态分析.
• 该方法准确地恢复了亚细胞运动动态.
• 减少由运动工件引起的对生物系统的误解.