相关实验视频
Updated: May 30, 2025
06:50
Super-Resolution Live Cell Imaging of Subcellular Structures
Published on: January 13, 2021
4.7K
一个神经网络用于长期超分辨率成像的活细胞与可靠的信心量化量化
Chang Qiao1,2,3,4, Shuran Liu1, Yuwang Wang5
1Department of Automation, Tsinghua University, Beijing, China.
Nature biotechnology
|January 29, 2025
概括
这项研究引入了用于超分辨率 (SR) 显微镜的新神经网络,改善了长期活细胞成像. 该方法提高了图像对齐和量化信心,超过现有技术的性能.
科学领域:
- 显微镜的使用方法
- 生物物理学的生物物理.
- 计算生物学 计算生物学
背景情况:
- 超分辨率 (SR) 神经网络增强了低分辨率显微镜图像.
- 目前用于长期成像的单图像SR (SISR) 方法忽视时间依赖性,并与可量化的推断不确定性作斗争.
研究的目的:
- 开发一种新的时隔图像SR (TISR) 神经网络,利用时间依赖来改进活细胞成像.
- 解决推理不确定性,并使SR显微镜可靠的信心量化.
主要方法:
- 构建了一个大规模的光显微镜数据集.
- 开发了一个可变形相位对齐 (DPA) TISR神经网络,专注于相位域中的自适应交叉框架对齐.
- 贝叶斯DPA-TISR和预期校准误差最小化框架被创建用于信心推断.
主要成果:
- 与最先进的SISR和TISR方法相比,DPA-TISR模型显示出更高的性能.
- 贝叶斯式DPA-TISR使得可靠的推理信心量化成为可能.
- 成功的多色活细胞SR成像已经实现了超过10,000个时间点跨越多样化的生物标本.
结论:
- 开发的DPA-TISR方法显著推进了SR显微镜的长期活细胞成像.
- 这种方法提供了高准确性,时间一致性和准确的信任度,这对于生物发现至关重要.
