科技动态

神经网络模型结合瞳孔恢复应用于傅里叶叠层显微术

发布:laserpulse阅读:1575时间:2019-8-16 00:12:49

傅里叶叠层显微术(FPM)是最近开发的成像方法,旨在规避空间带宽积(SBP)的限制并获得具有宽场和高分辨率的复杂图像。到目前为止,在已经提出用于解决FPM重建问题的许多算法中,瞳孔函数被设置为固定值,例如系统的相干传递函数(CTF)。然而,FPM成像系统中光学组件的瞳孔像差会显著降低重建结果的质量。在本文中,研究人员构建了一个可训练网络(FINN-P),它将瞳孔恢复与基于TensorFlow的FPM前向成像过程相结合。样本和瞳孔函数的光谱都被视为二维(2D)可学习的图层权重。因此,通过最小化训练过程中的损失函数,可以同时获得复杂对象信息和瞳孔函数。模拟数据集用于验证瞳孔恢复的有效性,并且对开源测量数据集的实验表明,即使存在大的像差,该方法也可以实现更好的重建结果。另外,在进一步分析系统光传输能力之前,恢复的瞳孔功能可以用作良好的估计。

图1.典型的傅立叶叠层显微术的示意图。

原文链接

本文受译者委托,享有该文的专有出版权,其他出版单位或网站如需转载,请与本站联系,联系email:mail#opticsjournal.net。(为防止垃圾邮件,请将#换为@)否则,本站将保留进一步采取法律手段的权利。

> 免责声明
网站内容来源于互联网、原创,由网络编辑负责审查,目的在于传递信息,提供专业服务,不代表本网站及新媒体平台赞同其观点和对其真实性负责。如对文、图等版权问题存在异议的,请于20个工作日内与我们取得联系,我们将协调给予处理(按照法规支付稿费或删除),联系方式:021-69918579。网站及新媒体平台将加强监控与审核,一旦发现违反规定的内容,按国家法规处理,处理时间不超过24小时。 最终解释权归《中国激光》杂志社所有。

关于本站 Cookie 的使用提示

中国光学期刊网使用基于 cookie 的技术来更好地为您提供各项服务,点击此处了解我们的隐私策略。 如您需继续使用本网站,请您授权我们使用本地 cookie 来保存部分信息。
全站搜索
您最值得信赖的光电行业旗舰网络服务平台!