深度学习增强光板光显微镜用于体内四维成像斑马鱼心跳的四维成像
Meng Zhang1, Renjian Li1,2, Songnian Fu3
1School of Electronic and Information Engineering, Beihang University, Beijing, 100191, China.
Light, science & applications
|February 24, 2025
概括
这项研究引入了用于更快,低光光显微镜的深度学习方法. U-net集成变压器 (UI-Trans) 显著改善图像质量,并减少对生物体级成像的采集时间和光照.
科学领域:
- 生物医学成像学 生物医学成像学
- 显微镜技术的使用方法
- 深度学习应用程序深度学习应用程序
背景情况:
- 高分辨率,时间分辨率的体积光成像对于研究生物体水平动态至关重要.
- 现有的方法面临着平衡成像速度,光照和图像质量的挑战.
研究的目的:
- 开发一种深度学习增强的光板光显微镜 (LSFM) 方法,用于快速的体积时隔成像.
- 为了减轻复杂的噪音和散射降解,同时减少光照和采集时间.
主要方法:
- 开发了一种新的卷积神经网络 (CNN) 变压器网络,U-net集成变压器 (UI-Trans).
- 在同焦线扫描LSFM和常规LSFM之间灵活切换使得快速的训练数据生成成为可能.
- 该UI-Trans模型是通过ex vivo和in vivo斑马鱼成像数据进行训练和验证的.
主要成果:
- 与标准方法相比,UI-Trans方法实现了快速的体积时隔成像,光照率<0.03%,采集时间为3.3%.
- 信号与噪声比 (SNR) (3-5倍) 和对比度 (约1.8倍) 显著改善.
- 该方法成功地减轻了复杂的噪声散射合降解,优于其他深度学习网络.
结论:
- 深度学习增强的LSFM,特别是UI-Trans网络,为超经济,高质量的体积成像提供了强大的解决方案.
- 这种技术可促进生物过程的长期体内4D成像,减少光剂量和获取时间.
- 开发的方法有助于在生物医学研究中探索时空动态.
