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。

  

摘要:

结构光显微镜(SIM)技术在低光子效率下使用时,为快速活细胞成像提供了一种有效的解决方案,从而能够研究动态的细胞过程。然而,在采集过程中产生的噪声干扰严重影响了SIM图像的重建,导致图像中出现大量伪影。为了解决这一挑战,我们提出了一种基于零样本学习的SIM图像去噪方法(ZS-SIM)。该方法仅依赖于一次带有噪声的SIM数据采集,并通过神经网络训练实现精确的去噪。原始的SIM图像堆栈经过下采样和插值来完成重采样过程,同时结合了传统的Wiener-SIM重建方法以确保图像的物理真实性。我们引入了一种对称重建损失函数和相互约束的SSIM损失函数,这两种函数共同增强了训练的稳定性并加快了收敛速度,这一点通过我们的收敛性分析得到了验证。ZS-SIM在去噪质量和计算效率之间取得了良好的平衡,具有较低的模型复杂度和快速的推理速度,非常适合在实际的显微镜工作流程中应用。实验结果表明,ZS-SIM能够高效且快速地实现无伪影、高保真的去噪重建,特别适用于低光子效率下的活细胞成像以及计算资源有限的场景。此外,通过将该方法扩展到扫描电子显微镜(SEM)数据上,我们验证了ZS-SIM在SEM数据去噪方面的有效性,显著提升了后续分割任务的性能。我们预计ZS-SIM将在低光子效率成像领域发挥关键作用,推动该领域的进步,并为生物医学研究中的快速验证提供重要支持,从而克服采集噪声带来的挑战。

引言

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]。

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