文献类型：期刊文章

作　　者：胡芬[1] 林洋[2] 侯梦迪[1] 胡浩丰[2] 潘雷霆[1,3,4] 刘铁根[2] 许京军[1]

Hu Fen;Lin Yang;Hou Mengdi;Hu Haofeng;Pan Leiting;Liu Tiegen;Xu Jingjun(Key Laboratory of Weak-Light Nonlinear Photonics,Ministry of Education,School of Physic8,TEDA Applied Physics School,Nankai University,Tianjin 300071,China;Key Laboratory of Opto-Electronics Information Technology,Ministry of Education,School of Precision Instrument&Opto-Electronic8 Engineering,Tianjin University,Tianjin 300072,China;State Key Laboratory of Medicinal Chemical Biology,College of Life Sciences,Nankai University,Tianjin 300071,China;Collaborative Innovation Center of Ertreme Optic8,Shanxei University,Taiyuan,Shanri 030006,China)

机构地区：[1]弱光非线性光子学教育部重点实验室,南开大学物理科学学院,泰达应用物理研究院,天津300071 [2]天津大学精密仪器与光电子工程学院,光电信息技术教育部重点实验室,天津300072 [3]药物化学生物学国家重点实验室,南开大学生命科学学院,天津300071 [4]极端光学协同创新中心,山西大学,山西太原030006

出　　处：《光学学报》

基　　金：国家自然科学基金(11874231,31801134);天津市自然科学基金(18JCQNJC02000);长江学者和创新团队发展计划(IRT13R29);中央高校基本科研业务费专项资金(2122019446)。

年　　份：2020

卷　　号：40

期　　号：24

起止页码：48-55

语　　种：中文

收录情况：AJ、BDHX、BDHX2017、CAS、CSCD、CSCD2019_2020、EI、IC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：21世纪初诞生的超分辨光学成像技术在生命科学研究中发挥着巨大作用,极大地增强了人们探索微纳尺度亚细胞结构的能力,然而这些成像技术往往耗时长,成本高。如今,许多研究者致力于基于深度学习的图像超分辨重建算法的研究中。利用自主搭建的随机光学重构超分辨显微镜获得细胞微管骨架超分辨图像,然后采用双线性插值降采样法处理得到低分辨率输入图集,再分别使用传统的三次样条插值法和增强型深度超分辨率神经网络进行学习训练,实现低分辨率图像的超分辨重建。结果表明:通过深度学习所重建的各种降采样的图像效果均优于采用传统插值法得到的图像效果,尤其是二倍降采样重建图像在主观和客观评价指标上可比拟实验获得的微管骨架超分辨图像。基于增强型深度超分辨率神经网络的细胞骨架图像超分辨重建有望提供一种简捷、有效和高性价比的成像方法,可应用于对细胞骨架超微结构的快速预测。

关 键 词：图像处理 深度学习  图像超分辨重建  随机光学重构显微术  细胞骨架

分 类 号：O439]