CN113349740A - 基于深度光学的微型头戴式显微镜成像装置及方法 - Google Patents
基于深度光学的微型头戴式显微镜成像装置及方法 Download PDFInfo
- Publication number
- CN113349740A CN113349740A CN202110893770.3A CN202110893770A CN113349740A CN 113349740 A CN113349740 A CN 113349740A CN 202110893770 A CN202110893770 A CN 202110893770A CN 113349740 A CN113349740 A CN 113349740A
- Authority
- CN
- China
- Prior art keywords
- depth
- optical
- fluorescence
- neuron
- imaging
- 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.)
- Pending
Links
Images
Classifications
-
- 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
-
- 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
Abstract
本发明公开了一种基于深度光学的微型头戴式显微镜成像装置,包括:透明LED激发模块;设置在透明LED激发模块下游的深度光学编码系统,用于在空间上对透过透明LED激发模块的神经元荧光进行编码;设置在深度光学编码系统下游的光学显微探测系统;设置在光学显微探测系统下游的平移变化解卷积模块,用于处理光学显微探测系统转化后的数字信号。本发明采用深度光学编码系统,降低了透镜的厚度和重量,扩展了成像景深;采用透明LED激发模块,移除了二向色镜,压缩了成像设备厚度;通过平移变化的解卷积算法,扩大了成像的有效视场,适用于自由活动动物的脑神经的三维信息获取。本发明还提供了具有上述成像装置的基于深度光学的微型头戴式显微镜成像方法。
Description
技术领域
本发明属于属于显微光学成像技术领域,具体涉及一种基于深度光学的微型头戴式显微镜成像装置及方法。
背景技术
现代蛋白和基因编辑技术极大促进了神经活动的研究。人工修饰的钙敏感蛋白可以实现在蓝光照射下发射与神经活动同频率的绿光,从而满足神经活动的探测。对比传统的电生理成像,光学神经活动观测具备更大的通量和更大的尺度,可以实现成百上千的神经元在毫米级别的视场内同时观测。对比传统的功能核磁成像,光学神经观测更明确的反映出神经活动的变化,而功能核磁成像是通过血氧变化间接的进行观测。
对模式生物(如小鼠、大鼠)在自由活动状态下的神经活动展开研究对于脑科学的发展具有重要意义。传统的光学脑科学观测局限于活动受限的动物大脑上,如将动物放置于可以自由跑动的传动带或者气浮球上,使其四肢可以自由活动,但是头部被固定于显微镜下用于观测。上述研究一方面无法实现对自然状态下的动物神经活动进行观测,另一方面无法满足对于特定行为(如动物的社会性行为)的观测。人们还研发了虚拟现实设备(VR)使老鼠在原地就可以产生在三维空间中运动的错觉,但是依然无法解决社交等真正需要自由活动脑神经观测的难题。
微型头戴式显微镜的提出解决了上述难题,可以实现老鼠在头部自由活动下对其神经元的观测,从而揭示老鼠在不同动作、不同环境下的脑活动。传统的微型头戴式显微镜由物镜、二向色镜、激发滤光片、LED照明光源、发射滤光片、筒镜、相机构成,宛如一台普通的台式显微镜,但是其体积只有厘米级别大小,重量在3g附近,可以固定于小鼠头部并使得小鼠依然能够自由活动。另一方面,该类显微镜受限于传统显微成像中视场与分辨率的相互制约关系,通常在满足单细胞成像分辨率的前提下仅仅具有300umx300um的成像视场。同时,由于观察神经元的响应需要不同波段的激发光与发射光,传统的头戴显微镜不得不借助于二向色镜实现波段的分离,使得头戴显微镜总体成长条形,导致固定在老鼠头部时重心偏高,不利于老鼠的自由活动。一般而言,目前的头戴式显微镜需要老鼠适应约1到2周才能逐渐自由活动,且其活动频率比不带头戴显微镜之前会降低。同时,传统的头戴显微镜只能拍摄单层深度的神经元信号,而不能对大脑的某一层进行同时成像。近年来新兴的双光子头戴显微镜可以实现轴向层析成像,但是其成像视场甚至更小,且造价昂贵、成像速度慢。因此,目前需要提出一种有效的小型化头戴显微镜装置,可以降低成像设备的厚度并扩大成像的景深范围,以更好的适合于脑科学的研究。
发明内容
针对上述现有技术存在的成像视场小、成像设备体积大重心高的技术问题,本发明的目的在于提供一种基于深度光学的微型头戴式显微镜成像装置及方法。
为达到上述目的,本发明提出了一种基于深度光学的微型头戴式显微镜成像装置,包括:透明LED激发模块,用于提供探测神经元的激发光;设置在透明LED激发模块下游的深度光学编码系统,用于在空间上对透过透明LED激发模块的神经元荧光进行编码;设置在深度光学编码系统下游的光学显微探测系统用于滤除神经元荧光中的发射光残余,并将神经元荧光转化为数字信号;设置在光学显微探测系统下游的平移变化解卷积模块,用于处理光学显微探测系统转化后的数字信号。
本发明通过采用透明LED激发模块,其透明的特性使得被激发的神经元荧光可以透过该LED,进一步被其它模块接收。
进一步地,深度光学编码系统包括深度光学掩模板或者深度光学掩模板和普通光学透镜的嵌合板,深度光学掩模板用于提供深度光学掩膜,深度光学掩模通过深度光学方法优化得到。
进一步地,深度光学方法包括二值光刻方法、灰度光刻方法、双光子直写方法和纳米压印方法。
进一步地,透明LED激发模块包括透明的LED,透明的LED的基底为SiO2或Ti蓝宝石。
进一步地,光学显微探测系统包括发射光滤光片和成像二维阵列探测器,发射光滤光片用于滤除神经元荧光中的发射光残余,成像二维阵列探测器用于接收神经元荧光并将其转化为数字信号。
进一步地,发射光滤光片为硬质膜滤光片或软质膜滤光片,成像二维阵列探测器为CCD或EMCCD。
进一步地,平移变化解卷积模块的处理算法在编程语言环境下进行或通过硬件编程实现。
本发明还提供了一种基于深度光学的微型头戴式显微镜成像方法,包括以下步骤:
(1)利用透明LED激发模块发出激发光,照明被测神经元;
(2)利用深度光学编码系统编码被测神经元的荧光;
(3)通过发射光滤光片滤波编码后的荧光,再由成像二维阵列探测器收集被测神经元的荧光信号;
(4)荧光信号通过平移变化解卷积模块被提取,进行后续分析;
(5)重复步骤(2)、(3)、(4)完场时序采集,形成时间序列的采集。
相对于现有技术,本发明的技术效果为:本发明涉及的基于深度光学的微型头戴式显微镜成像装置通过采用深度光学编码系统,降低了所需透镜的厚度和重量,并扩展了成像景深;采用透明LED激发模块,移除了二向色镜,压缩了成像设备厚度;通过平移变化的解卷积算法,扩大了成像的有效视场。本发明适用于对自由活动动物的脑神经进行(x,y,t)的三维信息获取,具有大视场、大景深、小体积、小重量的优点。本发明还提供了一种具有上述成像装置的基于深度光学的微型头戴式显微镜成像方法。
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为基于深度光学的微型头戴式显微镜成像方法的流程图;
图2为基于深度光学的微型头戴式显微镜成像装置的结构示意图;
图3为基于深度光学的微型头戴式显微镜成像装置的器件排布示意图;
图4为本发明一个实施例的成像方法示意图。
附图标记说明:
透明LED激发模块1、深度光学编码系统2、光学显微探测系统3、平移变化解卷积模块4、激发光5、发射光滤光片6、成像二维阵列探测器7、头部8。
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。
下面参照附图描述根据本发明实施例提出的基于深度光学的微型头戴式显微镜成像装置及方法。
如图2和图3所示,基于深度光学的微型头戴式显微镜成像装置包括:透明LED激发模块1用于提供探测神经元的激发光;设置在透明LED激发模块1下游的深度光学编码系统2,用于在空间上对透过透明LED激发模块1的神经元荧光进行编码;设置在深度光学编码系统2下游的光学显微探测系统3,用于滤除神经元荧光中的发射光残余,并将神经元荧光转化为数字信号;设置在光学显微探测系统3下游的平移变化解卷积模块4,用于处理光学显微探测系统3转化后的数字信号。
透明LED激发模块1包括透明的LED,透明的LED的基底为SiO2或Ti蓝宝石,LED的电机可以是金属的或非金属的。透明LED激发模块1通过透明LED的激发光5提供对神经元探测的激发光束,另外,其透明的特性使得被激发的神经元荧光可以透过该LED,进一步被其他模块接收。
深度光学编码系统2置于透明LED激发模块1的下游,包括一片深度光学掩模板或者深度光学掩模板和普通光学透镜的嵌合板。深度光学编码系统2在空间上对透过透明LED激发模块1的神经元荧光进行编码。深度光学掩模板用于提供深度光学掩膜,深度光学的掩模通过深度光学方法优化得到,该方法通过对成像的光学系统进行数学建模,进一步推导出成像质量和掩模版相位分布的对应关系,再通过梯度下降方法优化掩模版的相位分布。深度光学编码系统2中,深度光学掩膜可以通过二值光刻方法、灰度光刻方法、双光子直写方法、纳米压印方法生成。深度光学掩膜能够扩展景深,是因为首先通过光学建模模拟了头戴显微成像系统,进一步还可以模拟一个头戴显微成像系统在插入光学掩膜后的景深变化。利用深度学习的手段,求解出具有最优景深和最优成像质量的光学掩膜,并制造出来将其用于成像系统中,实现扩展景深。
光学显微探测系统3,置于深度光学编码系统2的下游,光学显微探测系统3包括发射光滤光片6和成像二维阵列探测器7,发射光滤光片6用于滤除荧光中的发射光残余,成像二维阵列探测器7用于接收荧光并将其转化为数字信号。光学显微探测系统3中的发射光滤光片6可以是硬质膜滤光片或软质膜滤光片,成像二维阵列探测器7由CCD或EMCCD充当。
平移变化解卷积模块4处理光学显微探测系统3转化后的数字信号,通过在可编程平台上的算法处理还原深度光学掩膜的编码,实现大景深、大视场的成像。平移变化解卷积模块4中,处理算法可以在各种编程语言环境下运行(如C、C++、MATLAB等),也可以通过硬件编程(FPGA等)实现。
本发明还提供了一种基于深度光学的微型头戴式显微镜成像方法,包括如下步骤:
(1)利用透明LED激发模块1发出激发光5,照明被测神经元;
(2)利用深度光学编码系统2编码被测神经元的荧光;
(3)通过发射光滤光片6滤波编码后的荧光,再由成像二维阵列探测器7收集被测神经元的荧光信号;
(4)荧光信号通过平移变化解卷积模块4被提取,进行后续分析;
(5)重复步骤(2)、(3)、(4)完场时序采集,形成时间序列的采集。
如图1和图3所示,该头戴式显微成像装置整体放置在动物头部8上,通过透明LED激发模块1发出激发光5,照明被测神经元,在动物脑部产生激发光5;该激发光5激发的荧光被深度光学编码系统2编码,然后经由光学显微探测系统3探测,完成荧光信号滤波于收集;为了获得清晰的样本成像,采用平移变化的解卷积模块对图像进行处理,完成荧光信号的平移变化解卷积。上述步骤实现了样本的(x,y)信息采集,重复上述步骤直至时序采集完成,形成时间序列的采集,即可获得样本(x,y,t)的三维信息。
如图4所示,将显微镜整体模块放置在老鼠颅骨上,其中,透明LED激发模块1采用以Ti蓝宝石为基底的GaN基LED,该透明LED在面向深度光学编码系统2的一面镀有500nm的长通膜,用于屏蔽自身的激发光5干扰。透明LED激发模块1发出的蓝光打入老鼠脑内部,照亮钙敏荧光蛋白表达的神经元后,神经元发出的绿色发射光经过透明LED后入射深度光学编码系统2,深度光学编码系统2对荧光的波前进行编码,其掩膜的设计以不同深度荧光图像在平移变化解卷积模块4处理后的清晰程度为指标从而进行优化,具体来说,通过光学仿真得到不同掩膜下、不同深度处的荧光图像,通过平移变化解卷积模块4得到恢复后的图像,此时,以恢复后图像的清晰成都作为指标,优化掩模版的分布,从而实现不同深度处的荧光图像经过平移变化解卷积模块4后具有同等清晰程度的掩模版。经过深度光学掩膜的编码,老鼠头部8不同深度的神经元具有类似的光学幅值分布。该光学幅值分布被光学显微探测系统3所探测,其中光学显微探测系统3由525/30nm荧光滤光片和CMV2000光电探测器组成。最后,平移变化解卷积模块4对光学显微探测系统3产生的电信号图像进行解卷积操作,得到清晰的老鼠头部8的神经元分布。上述过程实现了样本的(x,y)信息采集。重复上述采集过程,可获得样本的(x,y,t)三维信息。
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。
尽管已经示出和描述了本发明的实施例,本领域的普通技术人员可以理解:在不脱离本发明的原理和宗旨的情况下可以对这些实施例进行多种变化、修改、替换和变型,本发明的范围由权利要求及其等同物限定。
Claims (8)
1.一种基于深度光学的微型头戴式显微镜成像装置,其特征在于,包括:
透明LED激发模块,用于提供探测神经元的激发光;
设置在所述透明LED激发模块下游的深度光学编码系统,用于在空间上对透过所述透明LED激发模块的神经元荧光进行编码;
设置在所述深度光学编码系统下游的光学显微探测系统,用于滤除所述神经元荧光中的发射光残余,并将所述神经元荧光转化为数字信号;
设置在所述光学显微探测系统下游的平移变化解卷积模块,用于处理所述光学显微探测系统转化后的所述数字信号。
2.如权利要求1所述的装置,其特征在于,所述深度光学编码系统包括深度光学掩模板或者所述深度光学掩模板和普通光学透镜的嵌合板,所述深度光学掩模板用于提供深度光学掩膜,所述深度光学掩模通过深度光学方法优化得到。
3.如权利要求2所述的装置,其特征在于,所述深度光学方法包括二值光刻方法、灰度光刻方法、双光子直写方法和纳米压印方法。
4.如权利要求1-3任一所述的装置,其特征在于,所述透明LED激发模块包括透明的LED,所述透明的LED的基底为SiO2或Ti蓝宝石。
5.如权利要求4所述的装置,其特征在于,所述光学显微探测系统包括发射光滤光片和成像二维阵列探测器,所述发射光滤光片用于滤除所述神经元荧光中的发射光残余,所述成像二维阵列探测器用于接收所述神经元荧光并将其转化为数字信号。
6.如权利要求5所述的装置,其特征在于,所述发射光滤光片为硬质膜滤光片或软质膜滤光片,所述成像二维阵列探测器为CCD或EMCCD。
7.如权利要求6所述的装置,其特征在于,所述平移变化解卷积模块的处理算法在编程语言环境下进行或通过硬件编程实现。
8.包括如权利要求1、2、3、5、6、7任一所述装置的基于深度光学的微型头戴式显微镜成像方法,其特征在于,包括以下步骤:
(1)利用所述透明LED激发模块发出激发光,照明被测神经元;
(2)利用所述深度光学编码系统编码所述被测神经元的所述荧光;
(3)通过所述发射光滤光片滤波编码后的所述荧光,再由所述成像二维阵列探测器收集所述被测神经元的荧光信号;
(4)所述荧光信号通过所述平移变化解卷积模块被提取,进行后续分析;
(5)重复步骤(2)、(3)、(4)完场时序采集,形成时间序列的采集。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110893770.3A CN113349740A (zh) | 2021-08-05 | 2021-08-05 | 基于深度光学的微型头戴式显微镜成像装置及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110893770.3A CN113349740A (zh) | 2021-08-05 | 2021-08-05 | 基于深度光学的微型头戴式显微镜成像装置及方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113349740A true CN113349740A (zh) | 2021-09-07 |
Family
ID=77540640
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110893770.3A Pending CN113349740A (zh) | 2021-08-05 | 2021-08-05 | 基于深度光学的微型头戴式显微镜成像装置及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113349740A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117707204A (zh) * | 2024-01-30 | 2024-03-15 | 清华大学 | 基于光电端到端网络的无人机高速避障系统及方法 |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5341229A (en) * | 1988-07-14 | 1994-08-23 | Larry Rowan | Holographic display system |
US20040036884A1 (en) * | 2000-12-19 | 2004-02-26 | Unlu Selim M. | Spectral imaging for vertical sectioning |
US20140287964A1 (en) * | 2013-02-22 | 2014-09-25 | Pacific Biosciences Of California, Inc. | Integrated illumination of optical analytical devices |
US20150360606A1 (en) * | 2014-06-12 | 2015-12-17 | Nthdegree Technologies Worldwide Inc. | Thin flexible led light sheet applications |
CN105379253A (zh) * | 2013-01-25 | 2016-03-02 | 纽约市哥伦比亚大学理事会 | 景深3d成像空间光调制器显微镜 |
US20160091367A1 (en) * | 2014-09-29 | 2016-03-31 | Innovative Science Tools, Inc. | Solid State Broad Band Near-Infrared Light Source |
US20170343786A1 (en) * | 2014-12-22 | 2017-11-30 | Ge Healthcare Bio-Sciences Ab | Improvements In and Relating to LED Illumination in Microscopy |
US20180177401A1 (en) * | 2015-06-22 | 2018-06-28 | The Board Of Trustees Of The Leland Stanford Junior University | Methods and Devices for Imaging and/or Optogenetic Control of Light-Responsive Neurons |
US20190056581A1 (en) * | 2015-10-29 | 2019-02-21 | The Board Of Trustees Of The Leland Stanford Junior University | Methods and Systems for Imaging a Biological Sample |
US20190227490A1 (en) * | 2018-01-23 | 2019-07-25 | The Regents Of The University Of California | Three-dimensional scanless holographic optogenetics with temporal focusing |
US20190251706A1 (en) * | 2016-09-29 | 2019-08-15 | Fondazione Istituto Italiano Di Tecnologia | Method for the analysis of spatial and temporal information of samples by means of optical microscopy |
US20200201018A1 (en) * | 2017-05-19 | 2020-06-25 | The Rockefeller University | Imaging signal extraction apparatus and methods of using same |
-
2021
- 2021-08-05 CN CN202110893770.3A patent/CN113349740A/zh active Pending
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5341229A (en) * | 1988-07-14 | 1994-08-23 | Larry Rowan | Holographic display system |
US20040036884A1 (en) * | 2000-12-19 | 2004-02-26 | Unlu Selim M. | Spectral imaging for vertical sectioning |
CN105379253A (zh) * | 2013-01-25 | 2016-03-02 | 纽约市哥伦比亚大学理事会 | 景深3d成像空间光调制器显微镜 |
US20140287964A1 (en) * | 2013-02-22 | 2014-09-25 | Pacific Biosciences Of California, Inc. | Integrated illumination of optical analytical devices |
US20150360606A1 (en) * | 2014-06-12 | 2015-12-17 | Nthdegree Technologies Worldwide Inc. | Thin flexible led light sheet applications |
US20160091367A1 (en) * | 2014-09-29 | 2016-03-31 | Innovative Science Tools, Inc. | Solid State Broad Band Near-Infrared Light Source |
US20170343786A1 (en) * | 2014-12-22 | 2017-11-30 | Ge Healthcare Bio-Sciences Ab | Improvements In and Relating to LED Illumination in Microscopy |
US20180177401A1 (en) * | 2015-06-22 | 2018-06-28 | The Board Of Trustees Of The Leland Stanford Junior University | Methods and Devices for Imaging and/or Optogenetic Control of Light-Responsive Neurons |
US20190056581A1 (en) * | 2015-10-29 | 2019-02-21 | The Board Of Trustees Of The Leland Stanford Junior University | Methods and Systems for Imaging a Biological Sample |
US20190251706A1 (en) * | 2016-09-29 | 2019-08-15 | Fondazione Istituto Italiano Di Tecnologia | Method for the analysis of spatial and temporal information of samples by means of optical microscopy |
US20200201018A1 (en) * | 2017-05-19 | 2020-06-25 | The Rockefeller University | Imaging signal extraction apparatus and methods of using same |
US20190227490A1 (en) * | 2018-01-23 | 2019-07-25 | The Regents Of The University Of California | Three-dimensional scanless holographic optogenetics with temporal focusing |
Non-Patent Citations (1)
Title |
---|
SEAN QUIRIN、DARCY S.PETERKA和RAFAEL YUSTE: "Instantaneal three-dimensional sensing using spatial light modulator illumination with extended depth of field imaging", 《OPTICS EXPRESS》 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117707204A (zh) * | 2024-01-30 | 2024-03-15 | 清华大学 | 基于光电端到端网络的无人机高速避障系统及方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111033351B (zh) | 成像信号提取装置及其使用方法 | |
JP2023093434A (ja) | 予測タグ付けを有する画像を生成するための画像処理のためのシステム、デバイス、および方法 | |
Matlock et al. | High-throughput, volumetric quantitative phase imaging with multiplexed intensity diffraction tomography | |
US11946854B2 (en) | Systems and methods for two-dimensional fluorescence wave propagation onto surfaces using deep learning | |
JP5992456B2 (ja) | 装置、システム及び方法 | |
WO2019236569A1 (en) | Deep learning-enabled portable imaging flow cytometer for label-free analysis of water samples | |
CN109863384A (zh) | 基于图像的细胞分选系统和方法 | |
CN101151623A (zh) | 分类图像特征 | |
KR20210155397A (ko) | 딥 러닝 기반 컬러 홀로그램 현미경검사를 위한 시스템 및 방법 | |
Guan et al. | Compensating the cell-induced light scattering effect in light-based bioprinting using deep learning | |
CN113349740A (zh) | 基于深度光学的微型头戴式显微镜成像装置及方法 | |
Parot et al. | Compressed hadamard microscopy for high-speed optically sectioned neuronal activity recordings | |
Zhou et al. | EASE: EM-Assisted Source Extraction from calcium imaging data | |
Xiao et al. | Spatial resolution improved fluorescence lifetime imaging via deep learning | |
Fazel et al. | Analysis of super-resolution single molecule localization microscopy data: A tutorial | |
WO2022004500A1 (ja) | 情報処理装置、情報処理方法、プログラム、顕微鏡システム及び解析システム | |
CN112200264B (zh) | 基于散射复用的高通量免成像分类方法与装置 | |
CN116503258B (zh) | 超分辨计算成像方法、装置、电子设备及存储介质 | |
CN110161667A (zh) | 一种基于压缩感知超分辨显微成像方法 | |
Benisty et al. | Review of data processing of functional optical microscopy for neuroscience | |
Hallou et al. | Deep learning for bioimage analysis | |
CN115428037A (zh) | 活细胞生物样品荧光图像采集方法和系统 | |
Benisty et al. | Data processing of functional optical microscopy for neuroscience | |
Grant-Jacob et al. | Generating images of hydrated pollen grains using deep learning | |
Paul et al. | A review on computational methods based on machine learning and deep learning techniques for malaria detection |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210907 |
|
RJ01 | Rejection of invention patent application after publication |