[發明專利]無需高信噪比真值圖像的結構光顯微重建方法及裝置

在審

• 申請號: 202110852923.X
• 申請日: 2021-07-27
• 公開（公告）號: CN113724150A
• 公開（公告）日: 2021-11-30
• 發明（設計）人: 戴瓊海;陳星曄
• 申請（專利權）人: 清華大學
• 主分類號: G06T5/00
• 分類號: G06T5/00;G06T5/50;G06N3/04
• 代理公司: 北京清亦華知識產權代理事務所(普通合伙) 11201
• 代理人: 張夢瑤

一種無需高信噪比真值圖像的結構光顯微重建及裝置，涉及結構光技術領域和機器學習領域，該方案包括：獲取待處理生物樣本圖像，將待處理生物樣本圖像輸入至預先訓練的生成器神經網絡進行重建處理，得到待處理生物樣本圖像的重建圖像；其中，在預先訓練的生成器神經網絡中增設用于保留結構光條紋的預先訓練的去噪神經網絡，預先訓練的去噪神經網絡的訓練數據為普通樣本。上述方案中的預先訓練的去噪神經網絡可以脫離具體的生物樣本進行獨立訓練，可以直接應用在生物樣本上，將輸入的含噪聲的生物樣本實采數據進行去噪處理。由此，本申請不僅實現了無需高信噪比數據的結構光顯微重建，降低實驗成本，還顯著提升了結構光顯微技術的應用范圍。

技術領域

本申請涉及結構光技術領域和機器學習領域，尤其涉及一種無需高信噪比真值圖像的結構光顯微重建方法及裝置。

背景技術

熒光顯微技術是生命科學研究中的一種重要工具，利用免疫熒光反應等操作，我們可以將熒光染料或者熒光蛋白特異性地與目標結構進行結合，使得最終采集到的圖像僅包含我們所感興趣的生物結構，實現了對所標記結構的高信噪比的特異性成像。然而，普通熒光顯微技術的分辨率受限，而結構光顯微技術利用約10張的含摩爾條紋的寬場激發圖像，可以實現2倍分辨率的提升，由于其自身具有高速率、低光毒性的特點，非常適用于活體細胞成像，事實上，結構光顯微系統是在活體細胞成像中使用率很高的一款顯微設備。

近些年隨著機器學習領域的不斷發展，學術界和工業界開始嘗試使用深度神經網絡的方式進行結構光顯微重建。在對深度神經網絡進行訓練前，需要獲得樣本的高信噪比的原始數據作為真值圖像進行網絡訓練，然而，在實際的生物實驗中，高信噪比的數據的獲得在實驗難度和實驗成本方面均較高。

發明內容

本申請旨在至少在一定程度上解決相關技術中的技術問題之一。

為此，本申請的第一個目的在于提出一種無需高信噪比真值圖像的結構光顯微重建方法，以解決了在實際的生物實驗中，高信噪比的數據的獲得在實驗難度和實驗成本方面均較高的技術問題。

本申請的第二個目的在于提出一種無需高信噪比真值圖像的結構光顯微重建裝置。

本申請的第三個目的在于提出一種計算機設備。

本申請的第四個目的在于提出一種非臨時性計算機可讀存儲介質。

為達上述目的，本申請第一方面實施例提出了一種無需高信噪比真值圖像的結構光顯微重建方法，包括：

獲取待處理生物樣本圖像；

將所述待處理生物樣本圖像輸入至預先訓練的生成器神經網絡進行重建處理，得到所述待處理生物樣本圖像的重建圖像；其中，所述預先訓練的生成器神經網絡，包括用于保留結構光條紋的預先訓練的去噪神經網絡，所述預先訓練的去噪神經網絡的訓練數據為普通樣本。

可選的，在本申請實施例中，所述預先訓練的生成器神經網絡的訓練方法，具體包括：

獲取普通樣本訓練數據，所述普通樣本訓練數據包括含噪聲結構光原始數據和高信噪比真值數據；

將所述含噪聲結構光原始數據輸入至預設去噪神經網絡，輸出無噪圖像訓練數據；

根據所述無噪聲圖像訓練數據和所述高信噪比真值數據對所述預設去噪神經網絡進行訓練，得到所述預先訓練的去噪神經網絡。

可選的，在本申請實施例中，所述預先訓練的生成器神經網絡的訓練方法，具體包括：

獲取生物樣本的原始數據，所述生物樣本的原始數據包括低分辨率且含噪聲的圖像數據；

將所述生物樣本的原始數據輸入至所述預先訓練的去噪神經網絡，以輸出無噪聲圖像數據以及所述無噪聲圖像數據的第一標簽，所述無噪聲圖像數據的分辨率高于所述原始數據中的圖像數據；