相关实验视频
Updated: May 2, 2026
08:31
Three-dimensional Optical-resolution Photoacoustic Microscopy
Published on: May 3, 2011
18.1K
无监督的域间转换用于几乎染色的高分辨率中红外光学显微镜,使用可解释的深度学习
Eunwoo Park1,2, Sampa Misra1,2, Dong Gyu Hwang2,3
1Department of Convergence IT Engineering, Pohang University of Science and Technology (POSTECH), Pohang, Republic of Korea.
Nature communications
|December 31, 2024
概括
我们开发了可解释的深度学习来增强中红外光学显微镜 (MIR-PAM) 图像. 这种方法实现了高分辨率,无标签的细胞成像,克服了传统MIR-PAM的分辨率限制.
科学领域:
- 生物医学成像技术 生物医学成像技术
- 光学显微镜的使用方法
- 计算生物学 计算生物学
背景情况:
- 中红外光声学显微镜 (MIR-PAM) 提供无标签的生化信息.
- 与共聚焦光显微镜 (CFM) 相比,MIR-PAM的空间分辨率受到长光波长的限制.
- 现有的方法缺乏可解释性和图像转换的稳定性.
研究的目的:
- 开发一个可解释的深度学习 (XDL) 框架,用于将低分辨率的MIR-PAM图像转换为高分辨率,几乎染色图像.
- 为了提高MIR-PAM的空间分辨率和可解释性.
- 为了实现无标签,高分辨率的细胞成像.
主要方法:
- 无监督生成对抗网络 (GAN) 用于域间图像转换.
- 一个突出性约束被整合到GAN中,以提高可解释性.
- 在培养的人类心脏纤维细胞上验证了XDL框架,将结果与CFM图像进行比较.
主要成果:
- XDL框架成功地将低分辨率的MIR-PAM图像转换为高分辨率的,类似于对焦的图像.
- 该方法准确地识别了细胞核和丝状动蛋白.
- XDL框架表现出稳定可靠的性能,确保图像域之间具有相似的突出性.
结论:
- 基于可解释的深度学习的MIR-PAM (XDL-MIR-PAM) 可实现无标签的高分辨率重复细胞成像.
- 这种技术克服了传统MIR-PAM的空间分辨率限制.
- 通过提供详细的,无标签的成像,XDL-MIR-PAM为细胞生物学研究提供了显著的好处.
更多相关视频
09:31High-Speed Ultraviolet Photoacoustic Microscopy for Histological Imaging with Virtual-Staining assisted by Deep Learning
Published on: April 28, 2022
2.9K
06:45Author Spotlight: Integrated Photoacoustic, Ultrasound, and Angiographic Tomography (PAUSAT) for NonInvasive Whole-Brain Imaging of Ischemic Stroke
Published on: June 2, 2023
1.2K
