AIGC動態(tài)歡迎閱讀

原標(biāo)題：收集30GB、近20萬對訓(xùn)練樣本，復(fù)旦大學(xué)團隊發(fā)布UniFMIR：用AI突破顯微成像極限
關(guān)鍵字：圖像,數(shù)據(jù),各向同性,模型,任務(wù)
文章來源：HyperAI超神經(jīng)
內(nèi)容字?jǐn)?shù)：9176字

內(nèi)容摘要：

作者：梅菜
編輯：李寶珠，三羊
復(fù)旦大學(xué)計算機科學(xué)技術(shù)學(xué)院研究團隊，提出了跨任務(wù)、多維度圖像增強基礎(chǔ) AI 模型 UniFMIR，實現(xiàn)了對現(xiàn)有熒光顯微成像極限的突破，并為熒光顯微鏡圖像增強提供了一個通用的解決方案。熒光顯微鏡是生命科學(xué)領(lǐng)域不可或缺的重要研究工具，其原理是以紫外線為光源， 照射被檢物體使之發(fā)出熒光， 然后在顯微鏡下觀察物體的形狀及其所在位置，可用于研究細(xì)胞內(nèi)物質(zhì)的吸收、運輸，化學(xué)物質(zhì)的分布及定位等。
然而，激發(fā)光下的高強度曝露會通過光化學(xué)過程直接或間接對細(xì)胞造成影響。在長時間活細(xì)胞實驗中，最好能以最小的光曝露進行熒光觀察。但同時，較低的曝光會導(dǎo)致熒光信號較弱，降低圖像信噪比 (SNR)，讓定量圖像分析難度增加。
因此，基于熒光顯微鏡的圖像恢復(fù) (FMIR) 在生命科學(xué)領(lǐng)域受到了廣泛關(guān)注，它旨在從低信噪比的圖像中獲得高信噪比的圖像，有助于揭示重要的納米級成像信息。
目前，受益于人工智能技術(shù)的快速發(fā)展，許多基于深度學(xué)習(xí)的 FMIR 突破了熒光顯微鏡的物理極限，取得了重大進展，但主流模型仍存在泛化能力差、數(shù)據(jù)依賴性強等挑戰(zhàn)。
對此，來自復(fù)旦大學(xué)計算機科學(xué)技術(shù)學(xué)院的研究團隊在 N

原文鏈接：收集30GB、近20萬對訓(xùn)練樣本，復(fù)旦大學(xué)團隊發(fā)布UniFMIR：用AI突破顯微成像極限

聯(lián)系作者

文章來源：HyperAI超神經(jīng)
作者微信：HyperAI
作者簡介：解構(gòu)技術(shù)先進性與普適性，解讀更前沿的 AIForScience 案例