典型文献
基于深度学习的荧光显微性能提升(特邀)
文献摘要：
荧光显微镜具有对样品损伤小、可特异性成像等优点,是生物医学研究的主流成像手段.随着人工智能技术的快速发展,深度学习在逆问题求解中取得了巨大成功,被广泛应用于诸多领域.近年来,深度学习在荧光显微成像中的应用掀起了 一个研究热潮,为荧光显微技术发展提供了性能上的突破与新思路.基于此,首先介绍了深度学习的基本网络模型,然后对基于深度学习的荧光显微成像技术在荧光显微的空间分辨率、图像采集及重建速度、成像通量和成像质量提升方面的应用进行阐述.最后,对目前深度学习在荧光显微成像中的研究进行总结与展望.
文献关键词：
荧光显微成像;深度学习;超分辨;超分辨显微成像;图像重建
中图分类号：
作者姓名：
熊子涵;宋良峰;刘欣;左超;郜鹏
作者机构：
西安电子科技大学物理学院,陕西西安710071;西安电子科技大学杭州研究院,浙江杭州311200
文献出处：
引用格式：
[1]熊子涵;宋良峰;刘欣;左超;郜鹏-.基于深度学习的荧光显微性能提升(特邀))[J].红外与激光工程,2022(11):89-106
A类：
B类：
性能提升,特邀,荧光显微镜,样品损伤,特异性成像,生物医学研究,逆问题,问题求解,巨大成功,显微技术,基本网络模型,荧光显微成像技术,空间分辨率,图像采集,成像质量,总结与展望,超分辨显微成像,图像重建
AB值：
0.305858
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
