1. <var id="66166"><rt id="66166"></rt></var>
        <var id="66166"><rt id="66166"><big id="66166"></big></rt></var>
        首頁 > 資訊 > 消息正文

        神經網絡模型結合瞳孔恢復應用于傅里葉疊層顯微術

        發布:laserpulse    |    2019-08-16 00:14    閱讀:407
        分享:
              

        傅里葉疊層顯微術(FPM)是最近開發的成像方法,旨在規避空間帶寬積(SBP)的限制并獲得具有寬場和高分辨率的復雜圖像。到目前為止,在已經提出用于解決FPM重建問題的許多算法中,瞳孔函數被設置為固定值,例如系統的相干傳遞函數(CTF)。然而,FPM成像系統中光學組件的瞳孔像差會顯著降低重建結果的質量。在本文中,研究人員構建了一個可訓練網絡(FINN-P),它將瞳孔恢復與基于TensorFlow的FPM前向成像過程相結合。樣本和瞳孔函數的光譜都被視為二維(2D)可學習的圖層權重。因此,通過最小化訓練過程中的損失函數,可以同時獲得復雜對象信息和瞳孔函數。模擬數據集用于驗證瞳孔恢復的有效性,并且對開源測量數據集的實驗表明,即使存在大的像差,該方法也可以實現更好的重建結果。另外,在進一步分析系統光傳輸能力之前,恢復的瞳孔功能可以用作良好的估計。

        圖1.典型的傅立葉疊層顯微術的示意圖。

        原文鏈接

        本文受譯者委托,享有該文的專有出版權,其他出版單位或網站如需轉載,請與本站聯系,聯系email:mail#www.f6756.com。(為防止垃圾郵件,請將#換為@)否則,本站將保留進一步采取法律手段的權利。

        免責聲明

        網站內容來源于互聯網、原創,由網絡編輯負責審查,目的在于傳遞信息,提供專業服務,不代表本網站及新媒體平臺贊同其觀點和對其真實性負責。如對文、圖等版權問題存在異議的,請于20個工作日內與我們取得聯系,我們將協調給予處理(按照法規支付稿費或刪除),聯系方式:021-69918579。網站及新媒體平臺將加強監控與審核,一旦發現違反規定的內容,按國家法規處理,處理時間不超過24小時。最終解釋權歸《中國激光》雜志社所有。

        色女孩