基于SVD与神经网络的单分子定位显微镜精细化背景去除方法

《Scientific Reports》：Advanced background removal methods in single molecule localization microscopy using scattering networks and SVD

　　

摘要

准确的背景估计是单分子定位显微镜(SMLM)中的一个关键挑战，因为它直接影响分子定位质量和样品重建。通常可以通过对比原始输入的空间或时间特征来获得背景与相关信号的粗略分离。在本文中，我们提出并比较了两种旨在分离两种类型背景的精细化方法：(1) 随时间变化速度慢于信号的背景，以及(2) 具有显著空间特征的背景。利用奇异值分解(SVD)的滤波器可以有效解决第一种背景问题，而第二种则可以使用基于频率的滤波器进行处理。我们引入了一种基于神经网络的新方法来增强背景去除效果。使用Jaccard指数(JI)进行的比较评估表明，这两种方法改善了定位性能，有效缓解了SMLM数据中的背景伪影，如假阳性或假阴性、合并的点扩散函数(PSF)和虚假定位。