通过注意力通道生成对抗网络的三维结构照明显微镜
论文主体思路
- 提出了残差网络与通道注意力结合的生成对抗网络(caGAN),提高低信噪比(SNR)条件下3D-SIM的重建质量,能使用更少的原始图像进行重建。
- 利用活细胞中微管和溶酶体之间的动态相互作用的例子,证明了caGAN-SIM在各种亚细胞结构中的优越性能及其在长期多色3D超分辨率成像中的能力。
模型架构

3D-SIM理论部分
- 三维(3D)结构照明显微镜(SIM)具有双倍的横向和轴向分辨率和光学切片能力(与宽视场(WF)荧光显微镜相比),与其他体积成像方式(如光片显微镜)相比,3D-SIM具有更多的光漂白和光毒性,因为它每个轴向切片需要15张原始图像,阻碍了其在活细胞成像中的广泛应用。(每个原始3D-SIM图像是五种不同频率成分的混合物,为了分离它们,使用相同横向照明模式的五个不同阶段获得五张原始图像。此外,为了使横向分辨率加倍,是各向异性的,使用了三个方向,因此是15张图片,3D-SIM需要至少数百次曝光和典型的每体积数十秒的采集时间,导致严重的光漂白,光毒性,成像速度低,从而使其与长期活细胞成像不兼容)
- 二维(2D)结构照明显微镜(SIM)在细胞内动力学的超分辨率活细胞成像中脱颖而出,因为2D-SIM只需要9张原始图像来重建SR图像,从而实现高成像速度和低光子预算。
- 传统的SIM算法通过在傅里叶域中进行波段分离和重组,重建出超分辨图像体,分别达到100 nm和300 nm的横向和轴向分辨率。
- 在傅里叶域中实现通道注意机制优于在空间域中,但傅里叶变换的多次运算需要大量的计算资源和时间,在处理三维数据时会更加严重。


关于文献
题目及期刊
题目:3D Structured Illumination Microscopy via Channel Attention Generative Adversarial Network
通过通道注意生成对抗网络的三维结构照明显微镜
期刊:IEEE JOURNAL OF SELECTED TOPICS IN QUANTUM ELECTRONICS(二区)
作者信息
作者:Chang Qiao (清华大学自动化系)
发表时间
日期:2021年2月22日
阅读时间
日期:2024年8月2日
开源代码
本博客所有文章除特别声明外,均采用 CC BY-NC-SA 4.0 许可协议。转载请注明来自 YuJiang's Long Holiday!
