Improving axial resolution in Structured Illumination Microscopy using deep learning.
Improving axial resolution in Structured Illumination Microscopy using deep learning.
复制标题
DOI：
10.1098/rsta.2020.0298
复制
发表时间：
2021-06-14
期刊：
影响因子：
--
通讯作者：
Neil MAA
中科院分区：
文献类型：
--
作者：
Boland MA;Cohen EAK;Flaxman SR;Neil MAA
结构照明显微镜（SIM）是一种广泛使用的方法，用于成像比传统光学显微镜衍射极限小的活的和固定的生物结构。利用深度学习模型在图像放大方面的最新进展，我们展示了一种重建3D SIM图像堆栈的方法，其轴向分辨率是传统SIM重建的两倍。我们进一步证明了我们的方法对噪声具有鲁棒性，并对两点情况和轴向光栅进行了评估。最后，我们讨论了该方法的潜在适应性以进一步提高分辨率。本文是Theo Murphy会议议题“超分辨率结构照明显微镜（第一部分）”的一部分。
Structured Illumination Microscopy (SIM) is a widespread methodology to image live and fixed biological structures smaller than the diffraction limits of conventional optical microscopy. Using recent advances in image up-scaling through deep learning models, we demonstrate a method to reconstruct 3D SIM image stacks with twice the axial resolution attainable through conventional SIM reconstructions. We further demonstrate our method is robust to noise and evaluate it against two-point cases and axial gratings. Finally, we discuss potential adaptions of the method to further improve resolution. This article is part of the Theo Murphy meeting issue ‘Super-resolution structured illumination microscopy (part 1)’.
登录
查看更多内容
3D 染色质结构的推理建模
影响因子：
14.9
作者：
Wang S;Xu J;Zeng J
通讯作者：
Zeng J
DOI：
10.1109/tpami.2020.2982166
发表时间：
2021-10-01
影响因子：
23.6
作者：
Wang, Zhihao;Chen, Jian;Hoi, Steven C. H.
通讯作者：
Hoi, Steven C. H.
影响因子：
16.6
作者：
Jin, Luhong;Liu, Bei;Hahn, Klaus M.
通讯作者：
Hahn, Klaus M.
DOI：
10.1073/pnas.1314447111
发表时间：
2014-04-08
影响因子：
11.1
作者：
Ingaramo, Maria;York, Andrew G.;Patterson, George H.
通讯作者：
Patterson, George H.
结构化照明的指南TIRF显微镜，高速带有多种颜色。
DOI：
10.3791/53988
发表时间：
2016-05-30
期刊：
Journal of visualized experiments : JoVE
影响因子：
--
作者：
Young LJ;Ströhl F;Kaminski CF
通讯作者：
Kaminski CF