龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！
申请/专利权人：汉姆德(宁波)智能医疗科技有限公司
摘要：本发明提供了一种超分辨显微镜欠采样图像的生成方法、装置、电子设备和存储介质，所述欠采样图像的生成方法通过获取成像样品的低分辨率宽场图像集和超分辨率采样图像集；将所述低分辨率宽场图像‑超分辨欠采样图像对分成训练集和测试集；基于所述训练集和测试集对预先构建的UR‑Net‑8深度学习网络进行训练和测试得到目标模型；将待生成的低分辨显微镜宽场图像输入到所述目标模型得到目标超分辨显微镜欠采样图像。所述目标模型支持任意大小的目标结构的WF图像输入，模型测试过程中不需要对图像进行缩放便能获得接近于真实超分辨显微镜sparse图像的重建结果，避免并克服了细胞分子生物学、分子影像学应用中随意缩放导致的图像失真，无法量化缺陷。
主权项：1.一种超分辨显微镜欠采样图像的生成方法，其特征在于，所述欠采样图像的生成方法包括：获取成像样品的低分辨率宽场图像集和超分辨率采样图像集；将所述超分辨率采样图像集拆分为超分辨欠采样图像集，将所述低分辨率宽场图像和超分辨欠采样图像匹配成图像对并随机分成训练集和测试集；基于所述训练集和测试集对预先构建的UR-Net-8深度学习网络进行训练和测试得到目标模型；其中，所述预先构建的UR-Net-8深度学习网络包括一个输入尺度自适应的生成器和一个输入尺度自适应的判别器；所述生成器通过与所述判别器进行对抗训练得到所述目标模型；所述判别器包括：4个堆叠的卷积层，1个用于自适应采样的空间金字塔池化层和1个用于实现分类判别的全连接层；所述目标模型的对抗网络的损失函数采用交叉熵损失、L1损失和MS-SSIM损失；其中，MS-SSIM损失为1与真实超分辨显微镜欠采样图像和重建的超分辨显微镜欠采样图像之间的MS-SSIM值之差；通过损失值反向传播更新所述目标模型参数，所述判别器采用交叉熵损失反向传播更新所述目标模型参数；将待生成的低分辨显微镜宽场图像输入到所述目标模型得到目标超分辨显微镜欠采样图像。
全文数据：
权利要求：
百度查询： 汉姆德(宁波)智能医疗科技有限公司 超分辨显微镜欠采样图像的生成方法、装置
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号