Jun, 2023

条件归一化流的快速光场三维显微镜，具有分布外检测和自适应能力

PDF
TL;DR本文提出了一种基于条件归一化流的新架构，可实现快速三维立体重建，对于实时三维采集和潜在分析非常适用，并能够实现精确的似然度计算，从而进行分布监测、基于样本检测的重训练。
发现论文，激发创造
  • 基于生成式深度学习的超大视场无透镜成像

    GenLFI 是一种基于深度学习的图像重构框架，通过利用生成型人工智能，实现了超过 550 平方毫米的实时视场，解决了传统透镜无限制的困境，为生物医学研究中的高通量应用提供了强大的工具。

    Mar, 2024

  • 无参照多模态体积配准的 X 射线显微镜和光片荧光显微镜

    该研究介绍了一种用于 X-ray 显微镜和光片荧光显微镜体积配准的快速两阶段流水线，提出了残余相似性作为新的度量标准，以精确匹配相关微结构，特别是 X-ray 显微镜中的小房和光片荧光显微镜中的骨细胞，为骨重塑性疾病的研究提供新的深入认识，如骨质疏松症，该疾病对于老龄社会来说构成巨大负担。

    Apr, 2024

  • 利用基于学习的混合成像系统进行光场视频捕获

    本文介绍了一种基于深度神经网络的光场视频插值系统，将三帧每秒的光场图像和标准的 30 帧每秒二维视频相结合，使用流估计和外观估计生成一个完整的光场视频，使得消费级光场摄影和诸如聚焦和视差视图的应用首次可用于视频。

    May, 2017

  • 使用 FLOW：可视化光学宽场钙成像中的时空动态

    本文将流体力学的分析技术应用于宽场钙成像数据的处理，将其转换为时间变量下的向量场，使用 optic flow 提取 cortex 中的活动规律，并结合流体力学的有限时间 Lyapunov 指数技术，得出了一幅直观的动态钙活动地图。

    Sep, 2020

  • NSLF-OL: 神经表面光场的在线学习与实时增量三维重建

    本文提出一种新的神经表面光场模型，以应对机器人 3D 建模中拍摄视角限制的挑战，未来可以用于机器人探索等领域。同时，也设计了一种多个异步神经代理的框架，用于在大规模成长场景中对小区域进行并行学习。

    Apr, 2023

  • 使用即插即用去噪器的基于波动的荧光显微镜反卷积

    采用插入式噪声去噪方法，代替现有的图像正则化器，并结合二阶统计量来训练卷积图像去噪网络，从而更适应于样本几何结构，在真实荧光显微图像数据上验证出能够正确地重建纤维结构，具有高峰值信噪比。

    Mar, 2023

  • 大规模电子显微镜成像神经元过程的自动重建

    自动样品制备和电子显微镜使得大规模图像数据采集成为可能，基于此，本文提出了一种 pipeline 系统，通过结合随机森林分类和条件随机场框架，能够完成大规模电子显微镜数据的分割和自动化标注，从而实现了大规模 3D 神经元的重建和可视化。

    Mar, 2013

  • 使用特征图流实现实时 3D 物体检测

    本文提出了一种实时的 3D 检测方法，考虑了不同时间步骤的深度神经模型推理过程中的时间空间特征映射聚合（称为特征映射流），该方法改善了基于中心的 3D 检测基线的质量，并在 nuScenes 和 Waymo 基准测试中提供了实时性能。

    Jun, 2021

  • 三维荧光显微镜图像合成和分割

    本研究提出了一种使用合成 3D 体积进行深度学习核分割的方法，通过空间约束的对抗网络生成一组合成 3D 体积和相应的地面真实数据集，对各种数据集成功地完成了核分割任务。

    Jan, 2018

  • 傅里叶全息显微镜的数据驱动设计

    使用物理学基础的神经网络通过优化 LED 发光模式设计来实现超分辨成像，进而压缩原先需要的多次测量，减少时间和成本。

    Apr, 2019