深度学习在超分辨显微成像中的研究进展

作     者：鲁心怡 黄昱 吴天筱 吴洪军 刘永焘 方中 左超 

作者机构：南京理工大学电子工程与光电技术学院智能计算成像实验室(SCILab) 南京理工大学江苏省光谱成像与智能感知重点实验室 南京理工大学智能计算成像研究院(SCIRI) 南京理工大学机械工程学院 

出 版 物：《激光与光电子学进展》 (Laser & Optoelectronics Progress)

年 卷 期：2024年

核心收录：

学科分类：12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 081104[工学-模式识别与智能系统] 08[工学] 080203[工学-机械设计及理论] 0835[工学-软件工程] 0802[工学-机械工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家自然科学基金(No.62275125,No.62201267,62275121,12204239,62175109) 国家重大科研仪器研制项目(No.62227818) 江苏省青年基金项目BK20220946) 江苏省基础研究计划前沿引领专项(BK20192003) 江苏省科技计划重点国别产业技术研发合作项目(BZ2022039) 中央高校科研专项资助项目(30922010313) 中央高校基础科研业务费专项资金资助项目(2023102001) 江苏省光谱成像与智能感知重点实验室开放基金(JSGP202201) 南京理工大学青年人才培养专项(No.30922010313) 

主　　题：深度学习 图像重建 显微成像 超分辨 

摘      要：超分辨显微成像技术打破了传统显微镜存在的衍射极限限制，提供了前所未有的细节观察能力，使人们得以观察到衍射极限以下的微观世界，有力地推动了生物医学、细胞学、神经科学等领域的发展。然而，现有的超分辨显微成像技术存在成像速度慢，重建图像含有伪影，对生物样品光损伤大，轴向分辨率低等缺陷。近年来，得益于人工智能技术的快速发展，深度学习被用于研究克服超分辨显微技术的各种缺陷，突破了超分辨显微成像技术的发展瓶颈。本文聚焦于主流超分辨显微成像技术存在的缺陷，总结了深度学习对超分辨显微技术的优化效果，并根据超分辨显微成像技术原理的特异性，介绍了不同网络在超分辨显微技术上的应用成效，最后对深度学习在超分辨显微成像领域应用中存在的问题进行了分析，并对其发展进行了展望。