用于从线扫描共聚焦显微镜产生各向同性面内超分辨率图像的系统和方法与流程

本公开文本总体上涉及从衍射受限图像产生超分辨率图像；并且具体地，涉及多种系统和方法，所述系统和方法用于使用经训练的神经网络从衍射受限线共聚焦图像产生超分辨图像，以产生一维超分辨图像输出以及通过组合不同取向的一维超分辨图像而获得的各向同性的面内超分辨图像。

背景技术：

1、线共聚焦显微镜用聚焦在一个空间维度上的锐利、衍射受限的照明来照明荧光标记的样品。如果样品发出的最终荧光通过狭缝过滤，并在照明线扫描样品时被记录，则获得具有减少的失焦荧光污染的光学切片图像。虽然不被普遍理解，但样品的照明必然是衍射受限的这一事实意味着(如果获取额外的图像，或者使用光学重新分配技术)空间分辨率可以在线聚焦的方向上(即，沿着一个空间维度)得到改善。然而，与传统的衍射受限共聚焦显微镜相比，所有这些用于在线共聚焦显微镜中提高一维分辨率的技术都会造成更多的剂量或需要更多的图像。

2、除其他外，正是考虑到这些观察，构思和发展了本公开文本的各个方面。

技术实现思路

技术特征：

1.一种用于提高空间分辨率的方法，其包括：

2.根据权利要求1所述的方法，其中，所述神经网络通过识别被输入到所述神经网络中的所述图像类型的所述衍射受限线共聚焦图像输入与所述训练集中的所述图像类型的所述多个衍射受限线共聚焦图像之间的相似性来评估所述图像类型的所述衍射受限线共聚焦图像。

3.根据权利要求2所述的方法，其中，通过所述经训练的神经网络生成所述图像类型的所述一维超分辨图像是基于对在由所述经训练的神经网络评估的所述图像类型的所述衍射受限线共聚焦图像输入与所述训练集的所述多个衍射受限线共聚焦图像之间建立的任何相似性的识别。

4.根据权利要求3所述的方法，其中，通过所述经训练的神经网络生成所述图像类型的所述一维超分辨图像进一步包括利用在所述衍射受限线共聚焦图像输入与来自每个训练对的所述图像类型的所述多个衍射受限线共聚焦图像之间识别的相似性来识别所述图像类型的所述对应的一维超分辨图像的一个或多个特征。

5.根据权利要求1所述的方法，其中，所述多个衍射受限线共聚焦图像中的每个衍射受限线共聚焦图像被相移，然后所述被相移的衍射受限线共聚焦图像被组合以产生每个匹配训练对的所述图像类型的所述多个一维超分辨图像的一个相应一维超分辨图像。

6.一种用于产生各向同性超分辨图像的方法，其包括：

7.根据权利要求6所述的方法，其中，所述处理器使用联合反卷积操作来组合在所述第一取向上的所述图像类型的所述第一一维超分辨图像和在所述第二取向上的所述图像类型的所述第二一维超分辨图像，以产生所述各向同性超分辨图像。

8.根据权利要求7所述的方法，其中，所述处理器使用richardson-lucy算法来执行所述联合反卷积操作。

9.根据权利要求6所述的方法，其中，所述第一取向是不同于所述第二取向的取向。

10.根据权利要求6所述的方法，其进一步包括：

11.根据权利要求10所述的方法，其进一步包括：

技术总结
公开了用于使用经训练的神经网络从衍射受限线共聚焦图像产生一维超分辨图像以生成一维超分辨输出以及各向同性面内超分辨图像的系统和方法的各种实施方案，其中使用包括多个匹配训练对的训练集来训练所述神经网络，所述多个训练对中的每个训练对包括所述图像类型的所述多个衍射受限线共聚焦图像中的一个衍射受限线共聚焦图像和对应于所述多个衍射受限线共聚焦图像中的所述一个衍射受限线共聚焦图像的一维超分辨图像。

技术研发人员：H·什罗夫,Y·吴,X·韩,P·拉里维耶尔
受保护的技术使用者：美利坚合众国- 由健康及人类服务部部长代表
技术研发日：
技术公布日：2024/1/15