Reconstructing Super-Resolution Raman Spectral Image Using a Generative Adversarial Network-Based Algorithm

doi:10.1021/acs.analchem.5c02934

Reconstructing Super-Resolution Raman Spectral Image Using a Generative Adversarial Network-Based Algorithm

2025-07-30

0

PRE

AI

DOI：10.1021/acs.analchem.5c02934

原文链接

原文求助

摘要

En 中文

拉曼成像利用分子指纹信息来可视化扫描区域内物质的分布情况。由于扫描机制的限制，通常需要较长的数据采集时间才能获得高分辨率的拉曼图像。本研究提出了一种基于生成对抗网络（GANs）的算法，以显著提升拉曼光谱成像的速度和空间分辨率。所提出的方法在186组来自无标签细胞的超光谱拉曼数据集上进行训练和评估，并通过峰值信噪比（PSNR）、结构相似性指数（SSIM）和均方根误差（RMSE）等参数对重建性能进行定量评估。单变量成像和K均值聚类分析（KCA）均被采用，以评估图像重建后生化信息的保留情况。结果表明，所提出的方法在提升空间分辨率2～4倍的同时，加速了4～16倍的成像速度。此外，通过迁移学习将预训练模型适应于不同对象，验证了其泛化能力并扩展了其普适性。本研究突显了深度学习在超分辨率拉曼成像中的潜力，为高通量、实时的生化分析提供了有前景的途径。

Keyword:

Raman imaging

generative adversarial networks

super-resolution

spectral reconstruction

deep learning

Reconstructing Super-Resolution Raman Spectral Image Using a Generative Adversarial Network-Based Algorithm

摘要

期刊

机构