
-
生物通官微
陪你抓住生命科技
跳动的脉搏
在结构光照显微镜中,针对有限光子预算的去噪问题,采用零样本学习方法
《IEEE Transactions on Pattern Analysis and Machine Intelligence》:Zero-Shot Learning for Limited Photon Budget Denoising in Structured Illumination Microscopy
【字体: 大 中 小 】 时间:2026年01月12日 来源:IEEE Transactions on Pattern Analysis and Machine Intelligence 18.6
编辑推荐:
结构照明显微术(SIM)在低光效条件下可实现快速活细胞成像,但噪声干扰导致图像重建存在显著伪影。本文提出基于零样本学习的ZS-SIM图像去噪方法,通过单次采集的噪声数据训练神经网络,结合传统Wiener-SIM重建算法与对称重建损失、互约束SSIM损失,有效提升去噪精度和训练稳定性。实验表明该方法在低光效SIM成像和扫描电镜(SEM)数据去噪中均表现出色,兼顾高质量去噪与计算效率,适用于资源受限场景。
显微镜技术使得我们能够在从微米到亚纳米的不同尺度上观察生物过程和结构细节[1]、[2]。超分辨率显微镜技术(尤其是结构光显微镜SIM)的出现,为观察亚细胞级别的精细结构提供了创新的方法[3]、[4]。这些成像技术极大地增强了我们对这些结构背后生物过程的理解,这对于现代生物学、医学科学以及其他多个领域来说都是一个重要的进展[5]、[6]。SIM是一种宽场(WF)超分辨率成像技术,它利用空间调制的光场和图像传感器来检测光模式,具有成像速度快、光毒性低和光漂白效应小等优点。因此,它在活细胞的长期动态观察中得到了广泛应用[7]。具体来说,典型的成像过程包括一个图像传感器,该传感器通过将调制光场激发的光子转换为数字像素值来生成数字图像。传感元件的半导体阵列将入射光子的能量转换为电荷,这些电荷在电位差下积累,随后被转换为数字值以存储为原始图像。理想情况下,像素值应对应于照射到相应传感器元件上的光子强度。然而,由于入射光子的不可避免的时间波动、传感器引起的热干扰以及模数转换过程中的放大误差[8]、[9],SIM系统捕获的信号总是会受到各种噪声源的影响。单独分离和解决每个噪声源通常具有挑战性,因为这需要对系统有深入的了解并能够直接访问其内部组件[10]、[11]。