Nat Methods | 李栋/戴琼海团队开发深度学习超分辨显微成像方法

责编 | 兮近年来，基于卷积神经网络（Convolutional Neural Network，CNN）的深度学习算法在单张自然图像超分辨（Single Image Super Resolution，SISR）领域取得了巨大的进展，可将输入的低分辨率模糊图像上采样为细节清晰的高分辨率图像。目前，这些深度学习超分辨算法正快速运用到显微成像领域，例如：将单张宽场荧光显微图像作为超分辨神经网络的输入，即可得到突破衍射极限分辨率的超分辨图像输出【1, 2】。但与自然图像超分辨任务有所区别的是，超分辨荧光显微成像需要的不仅是视觉效果上的提升，更重要的是超分辨重建的结果必须保真、可信，才能服务于生物医学研究。然而，面对复杂度多样的生物结构，以及不同信噪比和分辨率的显微成像条件，现有超分辨神经网 ………………………………