基于深度学习的光学显微图像超分辨率重建系统评估

《Nanomaterials》:Empirical Validation of SNR-Dependent Deep Learning Architectures for Label-Free Super-Resolution in Optical Microscopy

【字体: 大 中 小 】 时间:2026年10月22日 来源:Nanomaterials 4.8

编辑推荐:

   光学显微镜广泛应用于科学研究、工业生产和临床诊断等领域,然而其横向分辨率受衍射效应限制(在400 nm可见光下最低约为200 nm)。尽管超分辨率技术可以突破这一限制,但大多数现有方法依赖于专用硬件或荧光标记,限制了其在常规显微镜操作中的普及性。因此,既往研究(包括我们的研究

  光学显微镜广泛应用于科学研究、工业生产和临床诊断等领域,然而其横向分辨率受衍射效应限制(在400 nm可见光下最低约为200 nm)。尽管超分辨率技术可以突破这一限制,但大多数现有方法依赖于专用硬件或荧光标记,限制了其在常规显微镜操作中的普及性。因此,既往研究(包括我们的研究)致力于开发能够对光学显微图像进行超分辨的深度学习(DNN)架构。在本文中,我们对此前开发的两种DNN架构——O-Net和Θ-Net——进行了系统评估,使用了一种全新的自制光学测试靶标,该靶标含有经原子力显微镜(AFM)独立标定的纳米级特征。结果表明,在采用卤素照明(峰值发射波长λem = 619.4 nm;λ = 612.2 nm)的光学系统中,两种架构的分辨率均超越了衍射极限,在PCM模式下可分辨至170 nm,在DIC模式下至少可分辨至200 nm。此外,两种模型表现出互补的信噪比(SNR)依赖性行为:O-Net在高信噪比条件下表现更优,而Θ-Net在信噪比降低时表现出更强的鲁棒性。这些发现对计算超分辨显微成像具有重要意义,突显了所评估的模型架构在不同图像采集方案下的潜在适用性。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号