Jun, 2024

高分辨率电子显微镜的零样本图像去噪

PDF
TL;DR提出了 Noise2SR，一个用于高分辨率电子显微镜图像去噪的零样本自监督学习（ZS-SSL）框架，通过超分辨率自监督训练策略和随机子抽样模块，提高了去噪性能，可用于材料成像领域中图像信噪比的改进。
high-resolution electron microscopydenoisingself-supervised learningsuper-resolutionmaterial imaging
发现论文，激发创造
  • 无需清洗基准图像的超分辨率技术：应用于电子显微镜

    通过深度学习的图像超分辨率方法，我们可以对大脑组织中的噪声低分辨率电子显微图像进行重建，以获得清晰的高分辨率三维电子显微图像，为神经科学研究提供了新的可能性。

    Jan, 2024

  • W2S: 宽场到 SIM 映射的联合去噪和超分辨率显微镜数据

    该研究利用荧光显微镜进行了活细胞成像，探索了在信噪比、空间分辨率和生物样品完整性之间的权衡，并提出了一种新的联合去噪和超分辨率（JDSR）数据集和一种 JDSR 的评估方法.

    Mar, 2020

  • 深度学习去噪辅助薄阻抗低信噪比 (SEM) 图像中的粗糙度测量提取：与 SMILE 的分析

    使用深度学习去噪技术，提高高数值孔径极紫外光刻工艺中扫描电子显微镜图像的信噪比，从而实现薄光刻胶粗糙度的准确测量。

    Oct, 2023

  • 利用循环一致性的对抗训练进行内窥镜无监督超分辨率

    本研究提出了一个基于对抗深度神经网络的无监督超分辨率（SR）框架，旨在提高内窥镜图像的质量以进行诊断和介入指导。该框架可以利用高分辨率（HR）图像将其质量传递到起始低分辨率（LR）图像中，从而能够在没有配对 LR / HR 的情况下产生令人信服的超分辨率图像。

    Jan, 2019

  • 盲图像超分辨率的广义期望最大化框架

    本文提出了一种基于学习方法的针对盲目全像单幅图像超分辨率重建的端到端学习框架，该方法将学习技术集成到广义 EM 算法中，通过最大似然估计从低分辨率图像中推断出高分辨率图像，并在半监督学习中具有较高的性能。

    May, 2023

  • 鲁棒的单颗粒冷冻电镜图像去噪与修复

    该研究介绍了一种扩散模型和后处理框架，能够有效地降噪和修复单颗粒冷冻电子显微图像，并能够获得更准确和高分辨率的三维重建结构。

    Jan, 2024

  • 深度学习实现亚距离限制扫描超透镜显微镜的大景深图像

    使用深度学习构建的扫描超透镜显微镜 (SSUM) 系统通过光学超分辨率图像和扫描电子显微镜 (SEM) 领域图像之间的映射关系，将光学超分辨率图像转化为类似 SEM 的具有大景深的图像，其在图像转换中表现出色，重构结果具有高层次的细节，适用于芯片级缺陷检测、生物样品分析、法医学以及其他各个领域。

    Oct, 2023

  • 自监督对比学习中的非配对 MRI 超分辨率

    本研究提出了一种基于自监督对比学习的非配对 MRI 超分辨率方法，利用有限的训练数据提高超分辨率性能，结果显示即使在仅有有限数量的 HR 图像的情况下，峰值信噪比和结构相似性指数都得到了显著提高，强调了该方法在解决有限训练数据挑战上的潜力，以推进临床应用中的高分辨率 MRI。

    Oct, 2023

  • 图像超分辨率早期训练阶段的无噪优化

    本文研究了基于深度学习的单图像超分辨率方法中的反问题，并通过将目标高分辨率图像分解为最优质心和固有噪声两个子组成部分，提出了一种新的优化方法，以更好地捕捉该问题的本质并增强其稳定性。

    Dec, 2023

  • 深度去噪在科学发现中的应用：以电子显微镜为例

    本文提出了一种基于模拟图像的去噪方法，即模拟图像去噪 (SBD) 框架，该框架使用卷积神经网络 (CNNs) 在虚拟样本上进行训练并在以无噪声图像为基础的科学成像中表现出色，同时也分析了 SBD 的泛化能力和 CNNs 的视野对其性能的影响。

    Oct, 2020