XiaoMi-AI文件搜索系统
World File Search Systempssr
一种提高两光子血管成像速度的深度学习方法
摘要：在临床前模型中跟踪神经血管疾病进展的潜在方法是多光子荧光显微镜（MPM），它可以用毛细血管级别的分辨率对脑脉管系统进行成像。但是，获得具有传统点扫描MPM的高质量的三维图像是耗时的，并且限制了用于慢性研究的样本量。在这里，我们提出了一种基于卷积神经网络（PSSR RES-U-NET结构）算法，用于快速对低分辨率或稀疏采样图像进行快速升级，并将其与无分段的无分段矢量化过程相结合，用于3D重建和血管网络结构的统计分析。这样做，我们还证明了半合成训练数据的使用可以取代获得低分辨率和高分辨率训练对而不损害矢量化结果的昂贵且艰巨的过程，从而为收集培训数据的其他MPM任务带来了这些方法的可能性。我们将方法应用于来自小鼠模型的大量视野的图像，并表明我们的方法在成像深度，疾病状态和神经血管内的其他差异中概括了。我们验证的模型和轻量级体系结构可用于将MPM成像时间最多减少四倍，而无需对基础硬件进行任何更改，从而可以在各种设置中可部署性。