.png){kind=icon}
返回
Diffusion models for super-resolution microscopy: a tutorial
.png){kind=icon}
OA
AI
DOI：10.1088/2515-7647/ada101.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
扩散模型已成为神经网络的生成建模中的一项突出技术，在诸如文本到图像转换和超分辨率等任务中取得了显著成果。在本教程中，我们提供了从零开始构建去噪扩散概率模型的全面指南，特别关注在超分辨率显微镜的背景下，将低分辨率显微镜图像转换为对应的高分辨率版本。我们提供了必要的理论背景、关键的数学推导，以及使用PyTorch的详细Python代码实现。我们讨论了量化评估模型的指标，展示了模型在不同噪声水平的输入低分辨率图像下的性能表现，并简要探讨了如何将本教程应用于其他场景。本教程中提供的代码也作为Python笔记本在补充信息中提供。
Keyword:
super-resolution
diffusion models
microscopy image enhancement
denoising diffusion probabilistic models (DDPMs)
deep learning
neural networks
python tutorial
期刊
J
IF:
8.4
论文数:
125
被引数:
1.4K
机构
暂无机构信息
引用论文
Nonlinear structured-illumination microscopy: Wide-field fluorescence imaging with theoretically unlimited resolution非线性结构照明显微镜: 理论上无限分辨率的宽场荧光成像OAAI
OAAI分享收藏SRDiff: Single image super-resolution with diffusion probabilistic modelsSRDiff: 具有扩散概率模型的单幅图像超分辨率.png)
NEUROCOMPUTING
OAAI
NEUROCOMPUTINGIF6.5
OAAI分享收藏分享收藏Sub-diffraction-limit imaging by stochastic optical reconstruction microscopy (STORM)通过随机光学重建显微镜 (STORM) 进行亚衍射极限成像NATURE METHODSOAAI
NATURE METHODSIF32.1
OAAI分享收藏Rationalized deep learning super-resolution microscopy for sustained live imaging of rapid subcellular processes合理化的深度学习超分辨率显微镜，用于快速亚细胞过程的持续实时成像NATURE BIOTECHNOLOGY
NATURE BIOTECHNOLOGYIF41.7
PREAI
分享收藏Zero-shot learning enables instant denoising and super-resolution in optical fluorescence microscopy零拍学习可在光学荧光显微镜中实现即时去噪和超分辨率NATURE COMMUNICATIONSOAAI
NATURE COMMUNICATIONSIF15.7
OAAI分享收藏分享收藏Single-frame deep-learning super-resolution microscopy for intracellular dynamics imaging用于细胞内动力学成像的单帧深度学习超分辨率显微镜NATURE COMMUNICATIONSOAAI
NATURE COMMUNICATIONSIF15.7
OAAI分享收藏
查看更多内容