期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到1篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
深度学习赋能的结构光照明超分辨显微技术:原理与应用
1
作者 黎昕然 陈嘉杰 +6 位作者 王美婷 郑晓敏 杜鹏 钟义立 戴小祺 屈军乐 邵永红 《中国激光》 CSCD 北大核心 2024年第21期35-49,共15页
结构光照明显微成像(SIM)技术是一种在超分辨显微成像领域极具代表性的技术。尽管结构光照明能够提升空间分辨率,但其在实现超分辨过程中需要采集多幅图像,而且,诸如样本厚度不一、结构光平移的系统误差及环境噪声等因素均可能会对SIM... 结构光照明显微成像(SIM)技术是一种在超分辨显微成像领域极具代表性的技术。尽管结构光照明能够提升空间分辨率,但其在实现超分辨过程中需要采集多幅图像,而且,诸如样本厚度不一、结构光平移的系统误差及环境噪声等因素均可能会对SIM成像质量产生影响。为解决这些问题,神经网络技术被引入SIM图像处理中。目前,常用的算法模型有卷积神经网络(CNN)及其变体以及生成对抗网络(GAN),它们通过训练样本来分析和纠正上述系统误差,提高时间分辨率,实现快速超分辨成像。据查,目前尚未有文章对于基于深度学习算法的结构光照明显微技术进行综合分析。鉴于此,本文介绍了SIM的基础原理并分析了深度学习算法近年来在提高SIM系统性能方面的应用,并对SIM技术未来的发展方向和面临的挑战进行了前瞻性探讨。 展开更多
关键词 结构化照明显微系统 卷积神经网络 超分辨显微成像 图像处理
原文传递
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
使用帮助 返回顶部