.png){kind=icon}
返回
Cross-modality transformations in biological microscopy enabled by deep learning
.png){kind=icon}
OA
AI
DOI：10.1117/1.AP.6.6.064001.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
近期深度学习（DL）的进展推动了显微镜图像在光学模态间的虚拟转换，实现了以往不可能的多模态成像分析。尽管取得了这些进展，但这些算法在融入科学家日常工作和临床试验方面仍有限制，主要原因是其各自领域内缺乏认可以及可供选择的转换方法众多。为解决这一问题，我们提出了一种结构化概述，涵盖跨模态转换的应用、数据集和实现方案，旨在统一这一发展中的领域。本综述聚焦于DL在两个关键应用中的解决方案：图像中目标特征的对比度增强和分辨率提升。我们认识到，跨模态转换是生物学家深入了解该领域的宝贵资源，也是技术开发者更好地理解样本限制和潜在应用的有力工具。值得注意的是，它们能够实现类似荧光显微镜的高对比度、高特异性成像，而无需进行繁琐、昂贵且具有破坏性的物理染色程序。此外，它们有助于实现通常需要昂贵或复杂物理改造才能获得的成像特性，例如实现超分辨率能力。通过本综述总结当前研究现状，我们旨在促进进一步的调查和开发，最终将跨模态转换的潜力带给研究人员和临床医生。
Keyword:
cross-modality transformations
virtual staining
superresolution
deep learning
fluorescence
bright-field
phase contrast
