通过双路 Gaussian U-Net 进行耐滚动百叶窗共聚焦内显微镜图像拼接
Yuhua Lu1, Shangbin Chen1, Qian Liu2
1Huazhong University of Science and Technology, Wuhan National Laboratory for Optoelectronics, Wuhan, China.
Journal of biomedical optics
|December 4, 2025
概括
我们开发了一种双路径高斯U-Net (DGU-Net),通过抑制滚动快门效应来改善对焦内微镜图像拼接. 这种方法提高了接的准确性和检查效率,以获得更好的诊断结果.
科学领域:
- 医学成像医学成像
- 计算病理学计算病理学
- 生物医学工程 生物医学工程
背景情况:
- 同焦内微镜图像拼接扩展视野,但受到滚动快门效应的阻碍,导致错位和工件.
- 有效地抑制滚动快门效应对于改善对焦内显微镜中的接质量至关重要.
研究的目的:
- 提出一种新的框架,双路径高斯U-Net (DGU-Net),用于增强对焦内微镜图像拼接.
- 为了有效地抑制滚动快门干扰,并提高拼接图像的准确性和质量.
主要方法:
- 开发了一个DGU-Net框架,具有并行双编码路径,以在不同的分辨率提取高斯式和常规特征,以实现精确的腺体细分.
- 稳定的被过,并根据细分口罩优化特征匹配,以减轻滚动快门效应.
- 一个细分数据集,由80只老鼠共聚焦激光内分显微镜 (CLE) 图像组成,用于训练,并对CLE视频序列验证了选择方法.
主要成果:
- 在CLE数据集上,DGU-Net获得了85.17的Dice得分,超过了现有的细分网络.
- 与传统的自动拼接相比,拟议的方法显著改善了区域一致性,并消除了工件.
- 在实验结果中证明了增强的拼接精度和图像质量.
结论:
- 基于DGU-Net的方法有效地解决了对焦图像拼接的挑战,特别是滚动快门效应.
- 这种方法显著提高了内微镜检查的效率.
- 改善的接质量有助于在临床应用中获得更好的诊断结果.
