欢迎访问《现代生物医学进展》编辑部！

作者	单位	邮编
张彦丽	清华大学生命科学学院北京	100084
刘冰钰	清华大学生命科学学院北京
孙梦依	北京医药健康科技发展中心北京
李静	清华大学生命科学学院北京
王文娟^*	清华大学生命科学学院北京	100084

摘要点击次数: 23

全文下载次数: 0

中文摘要:

传统荧光显微镜在空间分辨率和信噪比上存在局限性,无法有效分辨小于200 nm的亚细胞结构。随着深度学习技术的迅速发展,研究人员已经能够通过模型自动特征提取,提升显微镜图像的分辨率和质量。本文综述了深度学习在荧光显微镜图像分析中的应用,特别是在图像增强和超分辨率重建方面的最新进展。重点介绍了卷积神经网络(CNN)、生成对抗网络(GAN)、U-Net等深度学习模型的基本原理及其在多种显微镜成像系统中的成功应用。本文旨在为生物医学研究人员提供新的技术支持,进一步推动显微镜图像处理的智能化发展。

英文摘要:

View Fulltext 查看/发表评论下载PDF阅读器

关闭