Parameter-free super-resolution structured illumination microscopy via a physics-enhanced neural network

稳健性(进化) 迭代重建 光学 图像分辨率 计算机科学 显微镜 物理 人工神经网络 信噪比(成像) 噪音(视频) 人工智能 重建算法 算法 计算机视觉 图像(数学) 化学 生物化学 基因
作者
Siying Wang,Chen Bai,Xing Li,Jia Qian,Runze Li,Tong Peng,Xuan Tian,Wang Ma,Rui Ma,Sha An,Peng Gao,Dan Dan,Baoli Yao
出处
期刊:Optics Letters [The Optical Society]
卷期号:49 (17): 4855-4855
标识
DOI:10.1364/ol.533164
摘要

With full-field imaging and high photon efficiency advantages, structured illumination microscopy (SIM) is one of the most potent super-resolution (SR) modalities in bioscience. Regarding SR reconstruction for SIM, spatial domain reconstruction (SDR) has been proven to be faster than traditional frequency domain reconstruction (FDR), facilitating real-time imaging of live cells. Nevertheless, SDR relies on high-precision parameter estimation for reconstruction, which tends to suffer from low signal-to-noise ratio (SNR) conditions and inevitably leads to artifacts that seriously affect the accuracy of SR reconstruction. In this Letter, a physics-enhanced neural network-based parameter-free SDR (PNNP-SDR) is proposed, which can achieve SR reconstruction directly in the spatial domain. As a result, the peak-SNR (PSNR) of PNNP-SDR is improved by about 4 dB compared to the cross-correlation (COR) SR reconstruction; meanwhile, the reconstruction speed of PNNP-SDR is even about five times faster than the fast approach based on principal component analysis (PCA). Given its capability of achieving parameter-free imaging, noise robustness, and high-fidelity and high-speed SR reconstruction over conventional SIM microscope hardware, the proposed PNNP-SDR is expected to be widely adopted in biomedical SR imaging scenarios.

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
lamer完成签到,获得积分10
1秒前
1秒前
善学以致用应助kb采纳,获得10
2秒前
3秒前
8秒前
霜之哀伤完成签到,获得积分10
11秒前
veritas发布了新的文献求助10
12秒前
12秒前
12秒前
周老八完成签到,获得积分10
13秒前
emon发布了新的文献求助10
13秒前
任性完成签到,获得积分10
15秒前
man发布了新的文献求助10
16秒前
xixi发布了新的文献求助20
17秒前
JamesPei应助咕咕采纳,获得10
23秒前
Xiangyang完成签到 ,获得积分10
24秒前
24秒前
共享精神应助粉红三倍速采纳,获得10
25秒前
28秒前
31秒前
zy大章鱼完成签到,获得积分10
31秒前
香蕉觅云应助for_abSCI采纳,获得10
31秒前
认真的灵枫完成签到,获得积分10
31秒前
32秒前
33秒前
King完成签到,获得积分10
33秒前
emon完成签到,获得积分10
33秒前
xtdexy完成签到,获得积分10
37秒前
Cindy发布了新的文献求助50
37秒前
38秒前
lsf完成签到,获得积分10
39秒前
咕咕发布了新的文献求助10
40秒前
xixi应助粉红三倍速采纳,获得10
43秒前
ikun完成签到,获得积分10
44秒前
Mercury完成签到,获得积分10
45秒前
朝霞应助武雨寒采纳,获得10
45秒前
gengxw完成签到,获得积分10
46秒前
JamesPei应助嘟嘟金子采纳,获得30
47秒前
dfjeid发布了新的文献求助10
48秒前
亦玉完成签到,获得积分10
50秒前
高分求助中
The late Devonian Standard Conodont Zonation 2000
Nickel superalloy market size, share, growth, trends, and forecast 2023-2030 2000
The Lali Section: An Excellent Reference Section for Upper - Devonian in South China 1500
Very-high-order BVD Schemes Using β-variable THINC Method 870
Mantiden: Faszinierende Lauerjäger Faszinierende Lauerjäger 800
PraxisRatgeber: Mantiden: Faszinierende Lauerjäger 800
Fundamentals of Dispersed Multiphase Flows 500
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3254315
求助须知:如何正确求助?哪些是违规求助? 2896538
关于积分的说明 8293128
捐赠科研通 2565468
什么是DOI,文献DOI怎么找? 1393064
科研通“疑难数据库(出版商)”最低求助积分说明 652418
邀请新用户注册赠送积分活动 629894