基于物理框架下的深度学习高精度细胞分割方法

    公开(公告)号:CN118351533A

    公开(公告)日:2024-07-16

    申请号:CN202410444537.0

    申请日:2024-04-15

    Abstract: 本发明公开了一种基于物理框架下的深度学习高精度细胞分割方法,主要采用了两个深度学习模型,分别为前景分割模型和质心检测模型。前景分割模型的输入为细胞相位图,经过训练该模型用于输出细胞的前景分割结果。质心检测模型的输入为同一组细胞相位图,经过训练该模型用于生成细胞的质心检测结果。最终将得到的前景分割结果和质心检测结果通过分水岭算法实现高精度细胞分割。本发明与传统的细胞分割算法相比,所提出的方法对于细胞粘连情况在内的多种复杂情况下的细胞分割准确度更高,且无需参数调整,避免了使用者的经验依赖,具有较好的泛化性能可应对复杂的细胞生长状态。与深度学习方法相比,本发明提出的方法在数据驱动的细胞分割方法中引入物理框架,可以有效降低学习成本和学习难度,在使用更少数据集的情况下提升了粘连细胞的分割准确性,并且有效减少噪声对于细胞分割结果的影响。

    一种基于数字全息的实时细胞三维分析方法

    公开(公告)号:CN114326352B

    公开(公告)日:2024-06-04

    申请号:CN202111659185.3

    申请日:2021-12-31

    Abstract: 本发明公开了一种基于数字全息的实时细胞三维分析方法,步骤如下:全息图获取;相位结果获取,进行相位图的细胞分割;单细胞筛选;分别对筛选出的每一个细胞的厚度、面积、周长、体积、不规则度进行三维形态学分析。本发明不同于传统的显微成像模式,采用数字全息的方法可以高精度、高鲁棒性、快速的显微三维成像;采用的基于经验梯度阈值与分水岭算法相结合的细胞分割方法,相比于传统方法具有更好的参数自适应性和精度;采用形态学细胞三维分析方法,对细胞的面积、周长、厚度、体积、不规则度进行计算,这是一个对数字全息采集的三维结果的一个定量分析,对于微生物研究具有重要价值。

    一种混合数字全息与傅里叶叠层的合成孔径定量相位成像方法

    公开(公告)号:CN119148490B

    公开(公告)日:2025-03-21

    申请号:CN202411659524.1

    申请日:2024-11-20

    Abstract: 本发明公开了一种混合数字全息与傅里叶叠层的合成孔径定量相位成像方法,将环形排列的可编程LED阵列安装在离轴数字全息系统上,用于提供角度变换的倾斜照明,通过数字全息获得准确但含有噪声的物体低频信息并作为初始估计,随后通过基于强度测量的傅里叶叠层算法重建物体高频从而实现合成孔径定量相位成像。本发明中全息提供的准确低频作为初始估计确保了相位恢复以及波前像差重建的准确性,无需严格满足匹配照明条件,同时降低了傅里叶叠层所需强度图数量,基于傅里叶叠层的非干涉相位恢复方法将成像分辨率提升至非相干衍射极限的同时,有效解决了数字全息中固有的散斑噪声问题。

    一种混合数字全息与傅里叶叠层的合成孔径定量相位成像方法

    公开(公告)号:CN119148490A

    公开(公告)日:2024-12-17

    申请号:CN202411659524.1

    申请日:2024-11-20

    Abstract: 本发明公开了一种混合数字全息与傅里叶叠层的合成孔径定量相位成像方法,将环形排列的可编程LED阵列安装在离轴数字全息系统上,用于提供角度变换的倾斜照明,通过数字全息获得准确但含有噪声的物体低频信息并作为初始估计,随后通过基于强度测量的傅里叶叠层算法重建物体高频从而实现合成孔径定量相位成像。本发明中全息提供的准确低频作为初始估计确保了相位恢复以及波前像差重建的准确性,无需严格满足匹配照明条件,同时降低了傅里叶叠层所需强度图数量,基于傅里叶叠层的非干涉相位恢复方法将成像分辨率提升至非相干衍射极限的同时,有效解决了数字全息中固有的散斑噪声问题。

    一种基于数字全息的实时细胞三维分析方法

    公开(公告)号:CN114326352A

    公开(公告)日:2022-04-12

    申请号:CN202111659185.3

    申请日:2021-12-31

    Abstract: 本发明公开了一种基于数字全息的实时细胞三维分析方法,步骤如下:全息图获取;相位结果获取,进行相位图的细胞分割;单细胞筛选;分别对筛选出的每一个细胞的厚度、面积、周长、体积、不规则度进行三维形态学分析。本发明不同于传统的显微成像模式,采用数字全息的方法可以高精度、高鲁棒性、快速的显微三维成像;采用的基于经验梯度阈值与分水岭算法相结合的细胞分割方法,相比于传统方法具有更好的参数自适应性和精度;采用形态学细胞三维分析方法,对细胞的面积、周长、厚度、体积、不规则度进行计算,这是一个对数字全息采集的三维结果的一个定量分析,对于微生物研究具有重要价值。

Patent Agency Ranking