龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
申请/专利权人：华中科技大学
申请日：2024-04-08
公开（公告）日：2024-06-21
公开（公告）号：CN118229529A
主分类号：G06T3/4053
分类号：G06T3/4053;G06T5/70;G06N3/0464;G06N3/0895;G06N3/084
优先权：
专利状态码：在审-公开
法律状态：2024.06.21#公开
摘要：本发明公开了一种基于自发荧光波动的三维显微图像超分辨方法对于预设类别的荧光染色样本按照如下步骤操作：1获取自监督训练样本：对该类别的荧光染色样本进行时间自相关积累成像以及自相关积累超分辨运算获得该样本的超分辨图像；2将若干组自监督训练样本，输入到基于深度卷积神经网络的超分辨模型，进行模型训练获得收敛的超分辨模型；3将原始样本图像输入到收敛的超分辨模型中，输出原位超分辨样本图像。本发明利用自发荧光波动的特性，对其进行时间自相关积累成像，有效构建与活体样本图像质量匹配的训练数据对，对于同种类型的样本利用自监督深度学习快速提升其信噪比和分辨率，实现即插即用的原位实时活体样本超分辨成像。
主权项：1.一种基于自发荧光波动的三维显微图像超分辨方法，其特征在于，对于预设类别的荧光染色样本按照如下步骤操作：1获取自监督训练样本：采用预设的荧光显微成像系统及成像参数对该类别的荧光染色样本进行时间自相关积累成像，获得样本在预设时间段内连续多帧荧光图像，并进行自相关积累超分辨运算获得该样本的超分辨图像GT，取所述多帧荧光图像中的一帧以及该样本的超分辨图像作为组成的训练数据对作为一组自监督训练样本；2将步骤1获得的若干组自监督训练样本，输入到基于深度卷积神经网络的超分辨模型，进行模型训练获得收敛的超分辨模型；3采用预设的荧光显微成像系统成像参数对该类别的荧光染色活体样本进行成像，获得原始的样本图像，并将所述原始样本图像输入到步骤2获得的收敛的超分辨模型中，输出原位超分辨样本图像。
全文数据：
权利要求：
百度查询： 华中科技大学 一种基于自发荧光波动的三维显微图像超分辨方法及系统
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号