CN113191981A - 基于非负矩阵分解的深层双光子钙成像方法和装置 - Google Patents
基于非负矩阵分解的深层双光子钙成像方法和装置 Download PDFInfo
- Publication number
- CN113191981A CN113191981A CN202110523976.7A CN202110523976A CN113191981A CN 113191981 A CN113191981 A CN 113191981A CN 202110523976 A CN202110523976 A CN 202110523976A CN 113191981 A CN113191981 A CN 113191981A
- Authority
- CN
- China
- Prior art keywords
- video image
- processed
- biological sample
- photon
- negative matrix
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000003384 imaging method Methods 0.000 title claims abstract description 90
- 239000011159 matrix material Substances 0.000 title claims abstract description 46
- 229910052791 calcium Inorganic materials 0.000 title claims abstract description 43
- 239000011575 calcium Substances 0.000 title claims abstract description 43
- OYPRJOBELJOOCE-UHFFFAOYSA-N Calcium Chemical compound [Ca] OYPRJOBELJOOCE-UHFFFAOYSA-N 0.000 title claims abstract description 42
- 238000000354 decomposition reaction Methods 0.000 title claims abstract description 36
- 239000012472 biological sample Substances 0.000 claims abstract description 48
- 239000000523 sample Substances 0.000 claims abstract description 45
- BHPQYMZQTOCNFJ-UHFFFAOYSA-N Calcium cation Chemical compound [Ca+2] BHPQYMZQTOCNFJ-UHFFFAOYSA-N 0.000 claims abstract description 38
- 229910001424 calcium ion Inorganic materials 0.000 claims abstract description 38
- 230000009467 reduction Effects 0.000 claims abstract description 19
- 238000000034 method Methods 0.000 claims abstract description 18
- 238000011084 recovery Methods 0.000 claims abstract description 18
- 238000012545 processing Methods 0.000 claims description 12
- 238000007781 pre-processing Methods 0.000 claims description 11
- 238000013507 mapping Methods 0.000 claims description 9
- 230000000694 effects Effects 0.000 description 8
- 210000002569 neuron Anatomy 0.000 description 6
- 238000011160 research Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 5
- 230000005284 excitation Effects 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 238000000386 microscopy Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 239000007850 fluorescent dye Substances 0.000 description 2
- 238000001215 fluorescent labelling Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 210000000653 nervous system Anatomy 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 238000012805 post-processing Methods 0.000 description 2
- 230000002123 temporal effect Effects 0.000 description 2
- 108010043121 Green Fluorescent Proteins Proteins 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 230000002238 attenuated effect Effects 0.000 description 1
- 210000004556 brain Anatomy 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000001054 cortical effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000000799 fluorescence microscopy Methods 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 210000005036 nerve Anatomy 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000012634 optical imaging Methods 0.000 description 1
- 230000007170 pathology Effects 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/0033—Features or image-related aspects of imaging apparatus classified in A61B5/00, e.g. for MRI, optical tomography or impedance tomography apparatus; arrangements of imaging apparatus in a room
- A61B5/004—Features or image-related aspects of imaging apparatus classified in A61B5/00, e.g. for MRI, optical tomography or impedance tomography apparatus; arrangements of imaging apparatus in a room adapted for image acquisition of a particular organ or body part
- A61B5/0042—Features or image-related aspects of imaging apparatus classified in A61B5/00, e.g. for MRI, optical tomography or impedance tomography apparatus; arrangements of imaging apparatus in a room adapted for image acquisition of a particular organ or body part for the brain
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/0059—Measuring for diagnostic purposes; Identification of persons using light, e.g. diagnosis by transillumination, diascopy, fluorescence
- A61B5/0071—Measuring for diagnostic purposes; Identification of persons using light, e.g. diagnosis by transillumination, diascopy, fluorescence by measuring fluorescence emission
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B2503/00—Evaluating a particular growth phase or type of persons or animals
- A61B2503/40—Animals
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B2503/00—Evaluating a particular growth phase or type of persons or animals
- A61B2503/42—Evaluating a particular growth phase or type of persons or animals for laboratory research
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10016—Video; Image sequence
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10056—Microscopic image
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Surgery (AREA)
- Public Health (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Molecular Biology (AREA)
- Biophysics (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Pathology (AREA)
- Veterinary Medicine (AREA)
- Theoretical Computer Science (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- General Physics & Mathematics (AREA)
- Neurology (AREA)
- Investigating, Analyzing Materials By Fluorescence Or Luminescence (AREA)
- Microscoopes, Condenser (AREA)
Abstract
本发明提出一种基于非负矩阵分解的深层双光子钙成像方法和装置,其中,方法包括:获取钙离子探针标记的生物样本的待处理视频图像;对待处理视频图像进行降噪预处理,并对降噪后的待处理视频图像采用稀疏约束的非负矩阵分解算法进行恢复,获取目标视频图像。由此,利用算法直接恢复得到深层的双光子钙成像视频,而不需要对双光子显微成像系统做任何的改变。同时算法是直接对视频进行操作,不需要逐帧恢复,恢复速度快,效率高。
Description
技术领域
本发明涉及计算摄像学和计算机视觉技术领域,尤其涉及一种基于非负矩阵分解的深层双光子钙成像方法和装置。
背景技术
神经系统的荧光显微成像深度对生命科学和疾病病理的研究具有重要的意义。双光子显微成像和钙离子探针标记相结合的技术可以突破传统共聚焦显微镜的局限,观测到小鼠大脑皮质层500um深度的神经元活动。但是由于双光子显微成像技术存在深度极限,更大深度的成像质量会明显下降。当成像深度达到深度极限时,样本表面也会激发荧光,这一部分荧光会对需要观测的信号造成干扰,影响成像水平。
发明内容
本发明旨在至少在一定程度上解决相关技术中的技术问题之一。
本发明提出一种基于非负矩阵分解的深层双光子钙成像方法和装置,通过对双光子显微成像系统的深层成像结构进行数学建模,提出了基于非负矩阵分解的深层双光子钙成像视频恢复算法,可以在不对双光子显微成像系统做出改变的前提下,快速恢复出深层的双光子钙成像视频序列。
本发明第一方面实施例提出了一种基于非负矩阵分解的深层双光子钙成像方法,包括:
获取钙离子探针标记的生物样本的待处理视频图像;
对所述待处理视频图像进行降噪预处理,并对降噪后的待处理视频图像采用稀疏约束的非负矩阵分解算法进行恢复,获取目标视频图像。
本发明实施例的基于非负矩阵分解的深层双光子钙成像方法,通过获取钙离子探针标记的生物样本的待处理视频图像;对待处理视频图像进行降噪预处理,并对降噪后的待处理视频图像采用稀疏约束的非负矩阵分解算法进行恢复,获取目标视频图像。由此,利用算法直接恢复得到深层的双光子钙成像视频,而不需要对双光子显微成像系统做任何的改变。同时算法是直接对视频进行操作,不需要逐帧恢复,恢复速度快,效率高。
可选地,在本发明的一个实施例中,所述获取钙离子探针标记的生物样本的待处理视频图像,包括:
获取待观测的生物样本,并对所述生物样本进行钙离子探针标记;
利用双光子显微成像系统对生物样本的钙离子浓度分布进行成像,获取所述待处理视频图像。
可选地,在本发明的一个实施例中,所述双光子显微成像系统为逐点扫描式成像,采用脉冲激发光照射所述生物样本,通过振镜实现逐点扫描,以及物镜将发射光会聚到所述生物样本深度目标点。
可选地,在本发明的一个实施例中,所述对降噪后的待处理视频图像采用稀疏约束的非负矩阵分解算法进行恢复,获取目标视频图像,包括:
采用稀疏约束从所述降噪后的待处理视频图像中分离出样本表面激发的背景荧光和高深度下的信号荧光;
将样本表面激发的背景荧光从所述待处理视频图像中删除,获取所述目标视频图像。
可选地,在本发明的一个实施例中,所述的方法,还包括:
对所述目标视频图像进行颜色映射处理。
本发明第二方面实施例提出了一种基于非负矩阵分解的深层双光子钙成像装置,包括:
获取模块,用于获取钙离子探针标记的生物样本的待处理视频图像;
预处理模块,用于对所述待处理视频图像进行降噪预处理;
恢复模块,用于对降噪后的待处理视频图像采用稀疏约束的非负矩阵分解算法进行恢复,获取目标视频图像。
本发明实施例的基于非负矩阵分解的深层双光子钙成像装置,通过获取钙离子探针标记的生物样本的待处理视频图像;对待处理视频图像进行降噪预处理,并对降噪后的待处理视频图像采用稀疏约束的非负矩阵分解算法进行恢复,获取目标视频图像。由此,利用算法直接恢复得到深层的双光子钙成像视频,而不需要对双光子显微成像系统做任何的改变。同时算法是直接对视频进行操作,不需要逐帧恢复,恢复速度快,效率高。
可选地,在本发明的一个实施例中,所述获取模块,具体用于:
获取待观测的生物样本,并对所述生物样本进行钙离子探针标记;
利用双光子显微成像系统对生物样本的钙离子浓度分布进行成像,获取所述待处理视频图像。
可选地,在本发明的一个实施例中,所述双光子显微成像系统为逐点扫描式成像,采用脉冲激发光照射所述生物样本,通过振镜实现逐点扫描,以及物镜将发射光会聚到所述生物样本深度目标点。
可选地,在本发明的一个实施例中,所述恢复模块,具体用于:
采用稀疏约束从所述降噪后的待处理视频图像中分离出样本表面激发的背景荧光和高深度下的信号荧光;
将样本表面激发的背景荧光从所述待处理视频图像中删除,获取所述目标视频图像。
可选地,在本发明的一个实施例中,所述的装置,还包括:
处理模块,用于对所述目标视频图像进行颜色映射处理。
本发明附加的方面和优点将在下面的描述中部分给出,部分将从下面的描述中变得明显,或通过本发明的实践了解到。
附图说明
本发明上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解,其中:
图1为本发明实施例一所提供的基于非负矩阵分解的深层双光子钙成像方法的流程示意图;
图2为本发明实施例二所提供的基于非负矩阵分解的深层双光子钙成像方法的流程示意图;
图3为本发明实施例三所提供的基于非负矩阵分解的深层双光子钙成像装置的结构示意图。
具体实施方式
下面详细描述本发明的实施例,所述实施例的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的,旨在用于解释本发明,而不能理解为对本发明的限制。
下面参考附图描述本发明实施例的基于非负矩阵分解的深层双光子钙成像方法和装置。
本发明先对需要观测的生物样本进行钙离子探针标记,然后利用双光子显微成像系统采集钙成像视频序列。接着先对采集到的视频序列进行降噪预处理,然后采用稀疏约束的非负矩阵分解算法对视频序列进行恢复,去除背景荧光,最后对恢复的图像进行颜色映射等后处理,方便进行观察和分析研究。这样就可以实现深层双光子钙成像的目的。
本发明是采用计算摄像的方法对视频序列进行恢复,不需要对双光子显微成像系统进行调整,恢复速度也比较快。
图1为本发明实施例一所提供的基于非负矩阵分解的深层双光子钙成像方法的流程示意图。
如图1所示,该基于非负矩阵分解的深层双光子钙成像方法可以包括以下步骤:
步骤101,获取钙离子探针标记的生物样本的待处理视频图像。
步骤102,对待处理视频图像进行降噪预处理,并对降噪后的待处理视频图像采用稀疏约束的非负矩阵分解算法进行恢复,获取目标视频图像。
本发明实施例中,获取待观测的生物样本,并对生物样本进行钙离子探针标记,利用双光子显微成像系统对生物样本的钙离子浓度分布进行成像,获取待处理视频图像。
具体地,先对需要观测的生物样本进行钙离子探针标记,然后利用双光子显微成像系统拍摄样本生命活动的视频图像。
本发明实施例中,双光子显微成像系统为逐点扫描式成像,采用脉冲激发光照射生物样本,通过振镜实现逐点扫描,以及物镜将发射光会聚到生物样本深度目标点。
本发明实施例中,采用稀疏约束从降噪后的待处理视频图像中分离出样本表面激发的背景荧光和高深度下的信号荧光;将样本表面激发的背景荧光从待处理视频图像中删除,获取所述目标视频图像。
本发明实施例中,对目标视频图像进行颜色映射处理。
具体地,对采集的视频图像做降噪预处理,采用稀疏约束的非负矩阵分解算法去除视频中地背景荧光,对恢复的视频做颜色映射等后期处理,方便观察和研究,得到深层的双光子显微钙成像视频序列用于后续分析研究。
在本发明实施例的一种可能的实现方式中,本发明通过稀疏约束的非负矩阵分解算法恢复深层的双光子钙成像视频序列,从而提高双光子显微钙成像的成像深度。
如图2所示,本发明采用的是计算摄像的思路恢复深层的双光子钙成像视频序列,从而实现深层双光子钙成像,具体包括以下步骤:
步骤S201,对需要观测的生物样本进行钙离子探针标记。在神经系统活动中,钙离子起到十分重要的作用,钙离子的浓度分布可以指示神经元的活动方式。通过对神经元中的钙离子进行荧光标记,可以实现对神经元生命活动的间接成像。钙离子探针的选择,需要参考光源的频率段。在双光子显微成像中,由于激发光近似为近红外光,所以可以选择近红外双光子激发的钙离子探针,GCaMP探针激发的荧光更快更亮,可以作为实用的钙离子探针选择。
步骤S202,利用双光子显微成像系统采集视频序列。完成生物样本的荧光标记后,需要利用双光子显微成像系统对生物样本的钙离子浓度分布进行成像。双光子显微成像系统是逐点扫描式成像,采用脉冲激发光照射样本,然后借助振镜实现逐点扫描,最后通过物镜将发射光会聚到样本深度某一点。由于双光子成像速度快,完成一帧256*256分辨率图像的成像只需要几毫秒。这个时间远远小于神经元活对应的钙离子浓度分布变化时间,所以可以用于视频采集。
步骤S203,采集到深层的双光子钙成像视频后,需要先对视频进行降噪预处理。由于环境光照、光学采集仪器等各种因素的影响,采集的视频都会存在噪声,在光学成像中常见的是光电转换过程引起的泊松噪声。这种噪声通过均值或者中值滤波可以在一定程度上得到减弱。降噪后的图像信噪比可以得到提升,方便后续的算法处理。
步骤S204,对降噪后的视频采用稀疏约束的非负矩阵分解算法进行恢复。降噪后的图像包含样本表面激发的背景荧光和高深度下的信号荧光,这两种信号在空间上存在稀疏性的差异。信号荧光一般都是稀疏的,而背景荧光是非稀疏的,所以可以采用稀疏约束来分离两种信号。采集到的视频图像V可以分解为背景荧光B*H和信号荧光S*T,其中B和S表示背景和信号荧光的空间信息,H和T表示相应的时间信息。这些空间和时间信息都是非负的,所以可以用稀疏约束的非负矩阵分解算法进行求解。这个问题可以用下面的优化模型简单建模:
需要说明的是,这个优化问题可以采用优化的算法设计迭代步骤进行求解,这样就可以从降噪后的视频序列中去除背景荧光,恢复信号荧光。
步骤S205,对恢复的视频进行颜色映射等后处理,方便分析研究。由于恢复的图像实际上是不同大小的数值。双光子显微成像系统采集的图像不存在颜色通道。但是可以为视频建立颜色映射表方便直观地显示真实的绿色荧光信号。这有利于观察和科学研究。
步骤S206,经过一些列的算法处理,可以得到深层的双光子钙成像视频。得到的视频可以清晰看到神经元的活动过程,进而可以用作实际生物组织深层神经活动的观测和分析研究。
本发明实施例的基于非负矩阵分解的深层双光子钙成像方法,通过获取钙离子探针标记的生物样本的待处理视频图像;对待处理视频图像进行降噪预处理,并对降噪后的待处理视频图像采用稀疏约束的非负矩阵分解算法进行恢复,获取目标视频图像。由此,利用算法直接恢复得到深层的双光子钙成像视频,而不需要对双光子显微成像系统做任何的改变。同时算法是直接对视频进行操作,不需要逐帧恢复,恢复速度快,效率高。
与上述图1至图2实施例提供的基于非负矩阵分解的深层双光子钙成像方法相对应,本发明还提供一种基于非负矩阵分解的深层双光子钙成像装置,由于本发明实施例提供的基于非负矩阵分解的深层双光子钙成像装置与上述图1至图2实施例提供的基于非负矩阵分解的深层双光子钙成像方法相对应,因此在基于非负矩阵分解的深层双光子钙成像方法的实施方式也适用于本发明实施例提供的基于非负矩阵分解的深层双光子钙成像装置,在本发明实施例中不再详细描述。
图3为本发明实施例三所提供的基于非负矩阵分解的深层双光子钙成像装置的结构示意图。
如图3所示,该基于非负矩阵分解的深层双光子钙成像装置800应用于电子设备,包括:获取模块301、预处理模块302以及恢复模块303。
获取模块301,用于获取钙离子探针标记的生物样本的待处理视频图像。
预处理模块302,用于对所述待处理视频图像进行降噪预处理。
恢复模块303,用于对降噪后的待处理视频图像采用稀疏约束的非负矩阵分解算法进行恢复,获取目标视频图像。
进一步地,在本发明实施例的一种可能的实现方式中,获取模块301,具体用于:获取待观测的生物样本,并对所述生物样本进行钙离子探针标记;利用双光子显微成像系统对生物样本的钙离子浓度分布进行成像,获取所述待处理视频图像。
进一步地,在本发明实施例的一种可能的实现方式中,所述双光子显微成像系统为逐点扫描式成像,采用脉冲激发光照射所述生物样本,通过振镜实现逐点扫描,以及物镜将发射光会聚到所述生物样本深度目标点。
进一步地,在本发明实施例的一种可能的实现方式中,恢复模块303,具体用于:采用稀疏约束从所述降噪后的待处理视频图像中分离出样本表面激发的背景荧光和高深度下的信号荧光;将样本表面激发的背景荧光从所述待处理视频图像中删除,获取所述目标视频图像。
该基于非负矩阵分解的深层双光子钙成像装置300还可以包括:
处理模块,用于对所述目标视频图像进行颜色映射处理。
本发明实施例的基于非负矩阵分解的深层双光子钙成像装置,通过获取钙离子探针标记的生物样本的待处理视频图像;对待处理视频图像进行降噪预处理,并对降噪后的待处理视频图像采用稀疏约束的非负矩阵分解算法进行恢复,获取目标视频图像。由此,利用算法直接恢复得到深层的双光子钙成像视频,而不需要对双光子显微成像系统做任何的改变。同时算法是直接对视频进行操作,不需要逐帧恢复,恢复速度快,效率高。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外,在不相互矛盾的情况下,本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
此外,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本发明的描述中,“多个”的含义是至少两个,例如两个,三个等,除非另有明确具体的限定。
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为,表示包括一个或更多个用于实现定制逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分,并且本发明的优选实施方式的范围包括另外的实现,其中可以不按所示出或讨论的顺序,包括根据所涉及的功能按基本同时的方式或按相反的顺序,来执行功能,这应被本发明的实施例所属技术领域的技术人员所理解。
在流程图中表示或在此以其他方式描述的逻辑和/或步骤,例如,可以被认为是用于实现逻辑功能的可执行指令的定序列表,可以具体实现在任何计算机可读介质中,以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用,或结合这些指令执行系统、装置或设备而使用。就本说明书而言,"计算机可读介质"可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。计算机可读介质的更具体的示例(非穷尽性列表)包括以下:具有一个或多个布线的电连接部(电子装置),便携式计算机盘盒(磁装置),随机存取存储器(RAM),只读存储器(ROM),可擦除可编辑只读存储器(EPROM或闪速存储器),光纤装置,以及便携式光盘只读存储器(CDROM)。另外,计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质,因为可以例如通过对纸或其他介质进行光学扫描,接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序,然后将其存储在计算机存储器中。
应当理解,本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中,多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。如,如果用硬件来实现和在另一实施方式中一样,可用本领域公知的下列技术中的任一项或他们的组合来实现:具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路,具有合适的组合逻辑门电路的专用集成电路,可编程门阵列(PGA),现场可编程门阵列(FPGA)等。
本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成,所述的程序可以存储于一种计算机可读存储介质中,该程序在执行时,包括方法实施例的步骤之一或其组合。
此外,在本发明各个实施例中的各功能单元可以集成在一个处理模块中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现,也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时,也可以存储在一个计算机可读取存储介质中。
上述提到的存储介质可以是只读存储器,磁盘或光盘等。尽管上面已经示出和描述了本发明的实施例,可以理解的是,上述实施例是示例性的,不能理解为对本发明的限制,本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。
Claims (10)
1.一种基于非负矩阵分解的深层双光子钙成像方法,其特征在于,包括以下步骤:
获取钙离子探针标记的生物样本的待处理视频图像;
对所述待处理视频图像进行降噪预处理,并对降噪后的待处理视频图像采用稀疏约束的非负矩阵分解算法进行恢复,获取目标视频图像。
2.如权利要求1所述的方法,其特征在于,所述获取钙离子探针标记的生物样本的待处理视频图像,包括:
获取待观测的生物样本,并对所述生物样本进行钙离子探针标记;
利用双光子显微成像系统对生物样本的钙离子浓度分布进行成像,获取所述待处理视频图像。
3.如权利要求2所述的方法,其特征在于,
所述双光子显微成像系统为逐点扫描式成像,采用脉冲激发光照射所述生物样本,通过振镜实现逐点扫描,以及物镜将发射光会聚到所述生物样本深度目标点。
4.如权利要求1所述的方法,其特征在于,所述对降噪后的待处理视频图像采用稀疏约束的非负矩阵分解算法进行恢复,获取目标视频图像,包括:
采用稀疏约束从所述降噪后的待处理视频图像中分离出样本表面激发的背景荧光和高深度下的信号荧光;
将样本表面激发的背景荧光从所述待处理视频图像中删除,获取所述目标视频图像。
5.如权利要求1所述的方法,其特征在于,还包括:
对所述目标视频图像进行颜色映射处理。
6.一种基于非负矩阵分解的深层双光子钙成像装置,其特征在于,包括:
获取模块,用于获取钙离子探针标记的生物样本的待处理视频图像;
预处理模块,用于对所述待处理视频图像进行降噪预处理;
恢复模块,用于对降噪后的待处理视频图像采用稀疏约束的非负矩阵分解算法进行恢复,获取目标视频图像。
7.如权利要求6所述的装置,其特征在于,所述获取模块,具体用于:
获取待观测的生物样本,并对所述生物样本进行钙离子探针标记;
利用双光子显微成像系统对生物样本的钙离子浓度分布进行成像,获取所述待处理视频图像。
8.如权利要求7所述的装置,其特征在于,
所述双光子显微成像系统为逐点扫描式成像,采用脉冲激发光照射所述生物样本,通过振镜实现逐点扫描,以及物镜将发射光会聚到所述生物样本深度目标点。
9.如权利要求6所述的装置,其特征在于,所述恢复模块,具体用于:
采用稀疏约束从所述降噪后的待处理视频图像中分离出样本表面激发的背景荧光和高深度下的信号荧光;
将样本表面激发的背景荧光从所述待处理视频图像中删除,获取所述目标视频图像。
10.如权利要求6所述的装置,其特征在于,还包括:
处理模块,用于对所述目标视频图像进行颜色映射处理。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110523976.7A CN113191981B (zh) | 2021-05-13 | 2021-05-13 | 基于非负矩阵分解的深层双光子钙成像方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110523976.7A CN113191981B (zh) | 2021-05-13 | 2021-05-13 | 基于非负矩阵分解的深层双光子钙成像方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113191981A true CN113191981A (zh) | 2021-07-30 |
CN113191981B CN113191981B (zh) | 2022-09-09 |
Family
ID=76981690
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110523976.7A Expired - Fee Related CN113191981B (zh) | 2021-05-13 | 2021-05-13 | 基于非负矩阵分解的深层双光子钙成像方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113191981B (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110052023A1 (en) * | 2009-08-28 | 2011-03-03 | International Business Machines Corporation | Reconstruction of Images Using Sparse Representation |
US20130321908A1 (en) * | 2012-05-31 | 2013-12-05 | The Board of Trustees of the University of Illinoise | Sparse Deconvolution Spatial Light Microscopy in Two and Three Dimensions |
CN110308125A (zh) * | 2019-07-11 | 2019-10-08 | 清华大学 | 三维显微层析计算摄像方法及装置 |
CN110327018A (zh) * | 2019-06-24 | 2019-10-15 | 中国科学院自动化研究所 | 稀疏度自适应组正交匹配追踪的激发荧光断层重建方法 |
US20190318459A1 (en) * | 2017-06-15 | 2019-10-17 | Sun Yat-Sen University | Image Deblurring Algorithm Based on Sparse Positive Source Separation Model |
CN111033351A (zh) * | 2017-05-19 | 2020-04-17 | 洛克菲勒大学 | 成像信号提取装置及其使用方法 |
CN111476726A (zh) * | 2020-03-25 | 2020-07-31 | 清华大学 | 基于对抗神经网络的无监督双光子钙成像去噪方法及装置 |
US20200348502A1 (en) * | 2019-05-02 | 2020-11-05 | Massachusetts Institute Of Technology | Methods and Apparatus for Sparse Decomposition Light Field Microscopy |
-
2021
- 2021-05-13 CN CN202110523976.7A patent/CN113191981B/zh not_active Expired - Fee Related
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110052023A1 (en) * | 2009-08-28 | 2011-03-03 | International Business Machines Corporation | Reconstruction of Images Using Sparse Representation |
US20130321908A1 (en) * | 2012-05-31 | 2013-12-05 | The Board of Trustees of the University of Illinoise | Sparse Deconvolution Spatial Light Microscopy in Two and Three Dimensions |
CN111033351A (zh) * | 2017-05-19 | 2020-04-17 | 洛克菲勒大学 | 成像信号提取装置及其使用方法 |
US20190318459A1 (en) * | 2017-06-15 | 2019-10-17 | Sun Yat-Sen University | Image Deblurring Algorithm Based on Sparse Positive Source Separation Model |
US20200348502A1 (en) * | 2019-05-02 | 2020-11-05 | Massachusetts Institute Of Technology | Methods and Apparatus for Sparse Decomposition Light Field Microscopy |
CN110327018A (zh) * | 2019-06-24 | 2019-10-15 | 中国科学院自动化研究所 | 稀疏度自适应组正交匹配追踪的激发荧光断层重建方法 |
CN110308125A (zh) * | 2019-07-11 | 2019-10-08 | 清华大学 | 三维显微层析计算摄像方法及装置 |
CN111476726A (zh) * | 2020-03-25 | 2020-07-31 | 清华大学 | 基于对抗神经网络的无监督双光子钙成像去噪方法及装置 |
Non-Patent Citations (3)
Title |
---|
HAO-CHIH LEE等: "Computational removal ofbackground fluorescence for biological fluorescence microscopy", 《《2014 IEEE 11TH INTERNATIONAL SYMPOSIUM ON BIOMEDICAL IMAGING (ISBI)》》 * |
LASITH ADHIKARI: "Sparse reconstruction for fluorescence lifetime imaging microscopy with poisson noise", 《 2016 IEEE GLOBAL CONFERENCE ON SIGNAL AND INFORMATION PROCESSING》 * |
佟珊珊: "生物自发荧光断层成像的稀疏约束正则化方法研究", 《中国优秀博硕士学位论文全文数据库(硕士)》 * |
Also Published As
Publication number | Publication date |
---|---|
CN113191981B (zh) | 2022-09-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11946854B2 (en) | Systems and methods for two-dimensional fluorescence wave propagation onto surfaces using deep learning | |
JP7344568B2 (ja) | ディープラーニングを使用して無標識蛍光画像をデジタル染色する方法及びシステム | |
CN111656246B (zh) | 用于定位显微的方法和系统、计算机可读存储介质 | |
US20210033843A1 (en) | Imaging signal extraction apparatus and methods of using same | |
Briggman et al. | Volume electron microscopy for neuronal circuit reconstruction | |
AU2016233588A1 (en) | Correcting for aberrations in incoherent imaging system using fourier ptychographic techniques | |
CN101151623A (zh) | 分类图像特征 | |
WO2008061548A1 (en) | Reconstruction and visualization of neuronal cell structures with brigh-field mosaic microscopy | |
CN115984107B (zh) | 自监督多模态结构光显微重建方法和系统 | |
US11854281B2 (en) | System, method, and computer-accessible medium for processing brain images and extracting neuronal structures | |
Schmied et al. | Open-source solutions for SPIMage processing | |
CN113191981B (zh) | 基于非负矩阵分解的深层双光子钙成像方法和装置 | |
CN113724150A (zh) | 无需高信噪比真值图像的结构光显微重建方法及装置 | |
US11422355B2 (en) | Method and system for acquisition of fluorescence images of live-cell biological samples | |
Wei et al. | 3D deep learning enables fast imaging of spines through scattering media by temporal focusing microscopy | |
Prigent et al. | SPITFIR (e): A supermaneuverable algorithm for restoring 2D-3D fluorescence images and videos, and background subtraction | |
Liu et al. | Robust virtual staining of landmark organelles | |
Wei et al. | De-scattering deep neural network enables fast imaging of spines through scattering media by temporal focusing microscopy | |
Han et al. | System-and Sample-agnostic Isotropic 3D Microscopy by Weakly Physics-informed, Domain-shift-resistant Axial Deblurring | |
Wang et al. | Real-time targeted illumination in widefield microscopy achieves confocal quality neuronal images | |
CN115100033B (zh) | 一种荧光显微图像超分辨重建方法和装置以及计算设备 | |
Speed et al. | High-speed in vivo calcium recording using structured illumination with self-supervised denoising | |
WO2024039406A2 (en) | A hyperspectral imaging system with hybrid unmixing | |
Aydeniz et al. | Enhancing Two-Photon Images for Anatomical Visualisation using Super-Resolution | |
JP2024122932A (ja) | 蛍光顕微鏡法におけるライフタイムベースのアンミキシングのためのプロセッサ |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20220909 |