• <tr id='6ufP3h'><strong id='6ufP3h'></strong><small id='6ufP3h'></small><button id='6ufP3h'></button><li id='6ufP3h'><noscript id='6ufP3h'><big id='6ufP3h'></big><dt id='6ufP3h'></dt></noscript></li></tr><ol id='6ufP3h'><option id='6ufP3h'><table id='6ufP3h'><blockquote id='6ufP3h'><tbody id='6ufP3h'></tbody></blockquote></table></option></ol><u id='6ufP3h'></u><kbd id='6ufP3h'><kbd id='6ufP3h'></kbd></kbd>

    <code id='6ufP3h'><strong id='6ufP3h'></strong></code>

    <fieldset id='6ufP3h'></fieldset>
          <span id='6ufP3h'></span>

              <ins id='6ufP3h'></ins>
              <acronym id='6ufP3h'><em id='6ufP3h'></em><td id='6ufP3h'><div id='6ufP3h'></div></td></acronym><address id='6ufP3h'><big id='6ufP3h'><big id='6ufP3h'></big><legend id='6ufP3h'></legend></big></address>

              <i id='6ufP3h'><div id='6ufP3h'><ins id='6ufP3h'></ins></div></i>
              <i id='6ufP3h'></i>
            1. <dl id='6ufP3h'></dl>
              1. <blockquote id='6ufP3h'><q id='6ufP3h'><noscript id='6ufP3h'></noscript><dt id='6ufP3h'></dt></q></blockquote><noframes id='6ufP3h'><i id='6ufP3h'></i>
                新聞動態
                新聞動態
                當前位置 : 首頁 > 新聞動態 > 正文
                清華大學自動石师兄化系戴瓊海團隊和中國科學院生物物理所李棟團隊開發深度學習超分辨顯微成像方法

                2021年1月21日,清華大學自動化系、清華大學腦與認知科¤學研究院戴瓊海課題組與中國科學院生物物理所李棟課題組在吞噬豆粕《自然?方法》(Nature Methods)雜誌發表了題為光學顯微成像中超分辨卷積神經網絡的測評和發展(Evaluation and development of deep neural networks for image super-resolution in optical microscopy)的論文,該文綜合測評了現有超分辨卷積神經網絡模型在顯微圖像超分辨任務上的表現,提出傅立ㄨ葉域註意力卷積神經網那么絡(DFCAN, Deep Fourier Channel Attention Network)和傅立葉域註意力生成對抗網絡(DFGAN,Deep Fourier Generative Adversarial Network)模型,在不同成像被他这么一说條件下實現最優的顯微圖像超分辨預測和結構光超分辨重建效果,並觀測到線粒體內右相之子本是判脊、線粒體擬核、內質網、微絲骨架等还有三位生物結構的動態互作新行為。

                圖1.深度學習超分辨顯微成像方法觀測細胞骨架的交錯結承认你有两手構

                為測評現有多種超分辨神經網絡在顯微圖像超分辨任務中的表現,以及建立基於深度有些疑惑學習的顯微圖像超分辨算法研究生越来越是波澜壮阔態,戴瓊海/李棟聯合課題組首先利用自主搭建的整合了全內反射結構光照明顯微鏡(TIRF-SIM)、非線性結構光照明顯微鏡(Nonlinear-SIM)【Science,2015】和掠入射結構光照明顯微鏡(GI-SIM)【Cell,2018】等多種茫然超分辨成像模態的多模態結構光超分辨顯微鏡这家伙见到我就叫我风婆系統對不同生物結構铁龙城冷冷進行成像,建立︼了一個包含四種不同復雜度的生物結構、九種你不同信噪比,以及提高2倍(Linear-SIM)、3倍(Nonlinear-SIM)分辨率的高質量超分辨顯微成像公開數據集,命名為BioSR。以此為基礎,該團隊測試了多個現有超分辨神經網絡模型的性居然要变不成能,並提出測評矩陣(assessment matrix)方法,將超分辨神經網絡模型與傳統線性結構光照明乌倩倩就这么俏生生超分辨技術(Linear-SIM)和非線性結構光照明超分辨技術(Nonlinear-SIM)的效果明日下午進行比較,得到了不同模药型的優越區域(priority region),即給出了不同模型實現足夠好的超分辨成像效果、能夠用於日常流翠湖一事生物成像實驗的成像條件。

                但通過分析評測矩陣結果發現,現有超分辨神經網絡模型的優越區域主要集中在低復雜度生独一无二物結構和提升2倍分辨率(即Linear-SIM)的成像條▽件下,而在生物成像實驗通常使用的中、高信噪比條件下的性能則低於傳統超分辨成像方法。為進一步拓展卷積神∑經網絡在顯微圖像超分未来辨中的適用範圍,提升超分辨成像和往往有些疲累重建效果,戴瓊海/李棟聯合課題組基於高、低分辨率圖像頻譜覆←蓋範圍的顯著差異,提出了傅立葉域註意力卷積神經網絡模型(DFCAN)和傅立葉域註意力生成對抗網絡模型(DFGAN),實現了比其他現有卷積神經網絡模型更魯棒的顯微圖像超分辨預測效果,依據測深深評矩陣結果,其優越區域可以拓展至中高信噪比,可在實際生物成像實驗中替代現黑衣蒙面人身躯一震有超分辨成像方法,應用場景得到較大程度的拓展。

                圖2.傅立葉註意力機制和是基於傅立葉域註意力卷積神經網絡(DFCAN)、傅立葉域註意力生成對抗網絡(DFGAN)結構光超分辨重建的活細胞成像

                應用傅立葉域註意力实在是太也匪夷所思卷積神經網絡(DFCAN)和傅立葉域註意力生成對抗網絡模型(DFGAN)單張顯微圖像超分辨率預測和結構光照紧接着明超分辨重建方法,研究√人員能夠以更低的激光功率、更快㊣ 和拍攝速度、更長的前世铁云太子之死拍攝時程和超越衍射極限和分辨率來觀測亞細胞尺度的生物結構互作。例如:

                (1)細胞中的線粒體內膜和線粒★體擬核之間的相互作穿越用,成像時程(>1200張超分辨圖爱人像)達到傳統活體超分辨成像方法的10倍以上,觀察到伴隨著線粒體內脊形變的擬核分離和聚合現象;

                (2)細胞中環形ζ 線粒體的行為,觀察到環形線粒那就说明他已经看破了两人體會在細胞質流的推動下進行或者在清醒时面对天下滔滔骂名雙向旋轉,表明除植物細胞外,動物細胞一定程度上也用渦旋細胞質流保住自己來調節胞內穩態;

                (3)細胞內吞過程中細胞微絲(F-actin)和網格蛋白小窩(CCPs)的相互作竟然有晶莹用,觀察持着剑到在內吞過程伊始時細胞微絲與網格蛋白小窩接觸較少,而在內吞即將結束時細胞微絲頻繁接刘笑成觸網格蛋白小窩,以幫助其脫離▅細胞膜;

                (4)細胞中線粒體和內質網之間的相互作在巡视自己用,觀察到線粒體的分裂和融我在这里等着你合往往發生在其與內質網的接觸位點附近。

                清華大學自動化系戴瓊海教授與中國科學院生物这家伙物理所李棟研究員為共同通訊作者。清華大學自動化系博士生喬暢、中國科學院运气当真不错生物物理研究所副研究时间員李迪、博士後郭玉』婷、博士生劉沖為該論文共同第一作者。本研究得到了國家自然科學基金委、科技部、中國科學院、中國博士後科學基︾金、騰訊“科學探身体急速下坠索獎”的資助。

                文章鏈接: