Feb, 2020

计算特异性相位成像（PICS）：用于测量亚细胞区域干重变化的方法

PDF
TL;DR利用量化相位成像和人工智能技术结合的 PICS，可以提供高度特异性的未标记活细胞信息，并为长期无标签成像的生物应用提供了一种多功能定量技术。
发现论文，激发创造
  • 量化相位成像与人工智能：一篇综述

    本文回顾了 QPI 和机器学习之间的协同作用，着重介绍了深度学习的应用，并提出了未来发展的实用指南和观点。

    Jun, 2018

  • PhaseStain: 使用深度学习对无标记定量相位显微镜图像进行数字染色

    使用深度学习的数字染色技术 PhaseStain 能将实验室内不需要标记的组织切片的量化相位图像转变成相当于组织经过染色的亮场显微镜图像的等效图像，以 Hematoxylin 和 Eosin，Jones' stain 和 Masson's trichrome stain 技术染色的实验室内标本数字染色，能减少化学染色的需求，降低样品制备成本和节省时间。

    Jul, 2018

  • 多光谱定量相位成像利用一种衍射光学网络

    使用全光学相位计量处理器，实现了透明单相位物体的多光谱定量相位成像，提供了高速和功率高效的解决方案。

    Aug, 2023

  • 多核光纤内窥镜中无需校准的定量相位成像技术的端到端深度学习

    通过多芯光纤实现的定量相位成像（QPI）是一种新兴的无创内窥镜成像模式。我们展示了一种基于学习的 MCF 相位成像方法，将相位重构时间显著缩短至 5.5 毫秒，实现了 181 帧每秒的视频级成像。此外，我们引入了一种创新的光学系统，自动生成了首个针对 MCF 相位成像的开源数据集，包含 50,176 对散斑和相位图像。经过训练的深度神经网络（DNN）在实验中表现出鲁棒的相位重构性能，平均保真度高达 99.8％。这种高效的光纤相位成像方法可以拓宽 QPI 在难以到达区域的应用。

    Dec, 2023

  • 基于深度学习的合成双光子显微图像中纳米粒子定位

    本研究通过开发 2PM 图像模拟器来解决药物输送研究中单分子追踪的困难问题，为提高定位精度，提出了基于数据驱动模型的训练方法，并阐述了传统强度基础定位方法的不足。

    Mar, 2023

  • 基于先验引导的扩散模型用于定量相位成像中的细胞分割

    通过引入先验内容信息来提高基于马尔可夫随机场的分割方法，优化细胞分割效果。

    May, 2024

  • 基于物理的学习设计：定量相位成像优化编码照明

    本文提出了一种新的数据驱动方法，通过机器学习技术和物理学知识相结合，优化了 LED 阵列显微镜的编码照明模式，并将其应用于稀疏性相位重建算法，证明了该方法可以显著提高实验结果的准确性，且只需较少的训练数据。

    Aug, 2018

  • 超越模拟：使用组织仿生幻影的数据驱动定量光声成像

    该研究介绍了制备成像模型，使光吸收系数的恢复通过深度学习和实验数据来减少证明了深度学习能够提高量化光声成像的可行性。

    Jun, 2023

  • 多组学预测深度学习高内容细胞成像

    使用 Image2Omics 深度学习方法，预测细胞群体内来自高含量显微图像的多重荧光染色数据；结果表明，细胞成像可能是多重组学测量的可替代方法。

    Jun, 2023

  • 使用扩散模型的传统显微镜单次曝光定量相位成像

    利用色差像差实现单曝光白光下精确相位测量，改进相位成像的效率，并验证方法在临床显微镜下的应用。

    Jun, 2024