COMI:深度学习校正散焦显微图像

上传者: 42116734 | 上传时间: 2022-11-17 20:45:52 | 文件大小: 5.76MB | 文件类型: ZIP
COMI:通过深度学习校正散焦的显微图像 显微图像广泛用于科学研究和医学发现。 但是,通过低成本显微镜获得的图像通常无法聚焦,从而导致研究和诊断性能较差。 我们提出了一种基于循环生成对抗网络(CycleGAN)的模型和多分量加权损失函数来解决此问题。 通过分析哺乳动物细胞从原生动物寄生虫到细胞核,肌动蛋白和线粒体的各种细胞结构,我们的方法在不同的研究领域显示出良好的泛化能力,这为生物成像提供了广阔的前景。 所提出的方法包括两个生成器(源生成器和目标生成器)和两个鉴别器(源鉴别器和目标鉴别器)。 源发生器将离焦图像转换为聚焦图像,然后目标判别器会尝试将真实的聚焦图像与生成的聚焦图像区分开;目标发生器会将聚焦图像转换为离焦图像,然后源识别器会尝试区分真实的离焦图像和生成的离焦图像。 1.先决条件 Ubuntu 16.04 特斯拉K40C GPU Python 3.6 凯拉斯2.2.4 Te

文件下载

资源详情

[{"title":"( 12 个子文件 5.76MB ) COMI:深度学习校正散焦显微图像","children":[{"title":"COMI-main","children":[{"title":"testPicture","children":[{"title":"Out-of-focus image.jpg <span style='color:#111;'> 625.03KB </span>","children":null,"spread":false}],"spread":true},{"title":"test.py <span style='color:#111;'> 15.59KB </span>","children":null,"spread":false},{"title":"LICENSE <span style='color:#111;'> 1.04KB </span>","children":null,"spread":false},{"title":".gitignore <span style='color:#111;'> 1.76KB </span>","children":null,"spread":false},{"title":"deblur.py <span style='color:#111;'> 24.43KB </span>","children":null,"spread":false},{"title":"figure","children":[{"title":"figure1.png <span style='color:#111;'> 217.16KB </span>","children":null,"spread":false},{"title":"figure4.png <span style='color:#111;'> 1.84MB </span>","children":null,"spread":false},{"title":"result_github.png <span style='color:#111;'> 320.03KB </span>","children":null,"spread":false},{"title":"figure3.png <span style='color:#111;'> 1.82MB </span>","children":null,"spread":false},{"title":"table1.png <span style='color:#111;'> 28.33KB </span>","children":null,"spread":false},{"title":"figure2.png <span style='color:#111;'> 980.47KB </span>","children":null,"spread":false}],"spread":true},{"title":"README.md <span style='color:#111;'> 3.33KB </span>","children":null,"spread":false}],"spread":true}],"spread":true}]

评论信息

免责申明

【只为小站】的资源来自网友分享,仅供学习研究,请务必在下载后24小时内给予删除,不得用于其他任何用途,否则后果自负。基于互联网的特殊性,【只为小站】 无法对用户传输的作品、信息、内容的权属或合法性、合规性、真实性、科学性、完整权、有效性等进行实质审查;无论 【只为小站】 经营者是否已进行审查,用户均应自行承担因其传输的作品、信息、内容而可能或已经产生的侵权或权属纠纷等法律责任。
本站所有资源不代表本站的观点或立场,基于网友分享,根据中国法律《信息网络传播权保护条例》第二十二条之规定,若资源存在侵权或相关问题请联系本站客服人员,zhiweidada#qq.com,请把#换成@,本站将给予最大的支持与配合,做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明