基于富里埃的3D多阶段变压器用于多细胞标本中的偏差校正

科学领域:

• 显微镜的使用方法
• 生物物理学的生物物理.
• 机器学习 机器学习

背景情况:

• 光学偏差会降低高分辨率组织成像中的图像质量.
• 传统的自适应光学 (AO) 解决方案是复杂的,昂贵的,并且对于大规模的偏差校正来说很慢.

研究的目的:

• 引入AOViFT (自适应光学视觉里埃变压器),这是一个用于误差感知和校正的新型机器学习框架.
• 为了减少与显微镜中偏差校正相关的计算成本和复杂性.

主要方法:

• 开发了一个3D多阶段视觉转换器,运行在Fourier域嵌入式上.
• 实施了AOViFT用于异常推断和恢复衍射受限性能.
• 验证了对活体基因编辑斑马鱼胚胎的框架.

主要成果:

• 与传统方法相比,AOViFT实现了偏差校正,降低了计算成本,训练时间和内存足迹.
• 使用硬件 (可变形镜) 和软件 (收购后解卷) 方法证明了空间变异异常的成功校正.
• 在活生物样本上验证了性能,展示了其实际适用性.

结论:

• AOViFT提供了一种高效,人工智能驱动的解决方案,用于纠正显微镜中的光学偏差.
• 该框架简化了实验工作流程,消除了对导星和波浪前线传感硬件的需求.
• AOViFT降低了技术障碍,提高了用于各种生物应用的高分辨率体积显微镜的可访问性.