论文解读：含可靠置信度的视频超分辨显微成像（频域卷积+贝叶斯深度学习）

文献阅读：A neural network for long-term super-resolution imaging of live cells with reliable confidence quantification——含置信度的视频超分辨：从自然界到显微成像

摘要：

超分辨率 (SR) 神经网络将低分辨率光学显微镜图像转换为 SR 图像。单图像 SR (SISR) 方法在长期成像中的应用并未利用相邻帧之间的时间依赖性，并且受到难以量化的推理不确定性的影响。本文设计了一个可变形相空间对齐 (DPA) 延时图像 SR (TISR) 神经网络，构建了大规模荧光显微镜数据集，用于评估神经网络模型的传播和对齐组件。DPA-TISR 自适应地增强了相位域中的跨帧对齐，并且优于现有的最先进的 SISR 和 TISR 模型。本文还开发了贝叶斯 DPA-TISR 并设计了一个预期校准误差最小化框架，可以可靠地推断推理置信度。实验展示了对各种生物样本的 10,000 多个时间点的多色活细胞 SR 成像，具有高保真度、时间一致性和准确的置信度量化。

---

• 出版日期： 29 January 2025
• 期刊：nature biotechnology
• 课题组：清华大学戴琼海院士团队

---

Presn

注：转载请注明文章出处！