公开(公告)号：CN116503246A

公开(公告)日：2023-07-28

申请号：CN202310305965.0

申请日：2023-03-27

Applicant: 之江实验室 ,  浙江大学

Inventor： 刘文杰 ,  叶涵楚 ,  叶子桐 ,  张金风 ,  陈云博 ,  陈友华 ,  匡翠方

IPC: G06T3/40 ,  G06N3/0455 ,  G06N3/08

Abstract: 基于深度学习的视频级实时结构光照明超分辨显微成像方法，包括以下步骤：训练数据集的获取和处理，轻量化神经网络的搭建、训练和调整，模型整合，视频级实时SIM超分辨重构。本发明还包括基于深度学习的视频级实时结构光照明超分辨显微成像系统。本发明可实现视频级实时SIM超分辨显微重构，网络结构轻量化，硬件要求低，可在低信噪比实验条件下对待测样品进行视频级实时超分辨SIM重构观测，从而帮助用户更加友好、更加灵活地选择拍摄目标，获取更丰富更有价值的实验数据。

公开(公告)号：CN116309073A

公开(公告)日：2023-06-23

申请号：CN202310320880.X

申请日：2023-03-24

Applicant: 之江实验室 ,  浙江大学

Inventor： 刘文杰 ,  陈云博 ,  叶子桐 ,  叶涵楚 ,  陈友华 ,  李海峰 ,  匡翠方

IPC: G06T3/40 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/08

Abstract: 一种基于深度学习的低对比度条纹SIM重建方法，包括：首先制作低对比度条纹SIM图像训练数据集；然后构建并训练低对比度SIM超分辨神经网络；最后实现低对比度条纹SIM实验数据的超分辨重建。本发明还包括一种基于深度学习的低对比度条纹SIM重建系统。本发明可以在低对比度照明条纹的情况下，实现高质量和高分辨SIM图像重建。克服了传统SIM技术对照明条纹对比度的依赖，大大扩展其应用范围；本发明所需的低对比度条纹SIM图像训练集可以通过仿真得到，无需实验获取，大大降低了训练集的制作难度；本发明不增加任何系统复杂度，可基于任何已有SIM系统实现，具有广泛的应用范围。