CN114331911B 一种基于卷积神经网络的傅里叶叠层显微图像去噪方法 (北京理工大学重庆创新中心)_第1页
CN114331911B 一种基于卷积神经网络的傅里叶叠层显微图像去噪方法 (北京理工大学重庆创新中心)_第2页
CN114331911B 一种基于卷积神经网络的傅里叶叠层显微图像去噪方法 (北京理工大学重庆创新中心)_第3页
CN114331911B 一种基于卷积神经网络的傅里叶叠层显微图像去噪方法 (北京理工大学重庆创新中心)_第4页
CN114331911B 一种基于卷积神经网络的傅里叶叠层显微图像去噪方法 (北京理工大学重庆创新中心)_第5页
已阅读5页,还剩11页未读 继续免费阅读

下载本文档

版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领

文档简介

一种基于卷积神经网络的傅里叶叠层显微本发明公开了一种基于卷积神经网络的傅利用傅里叶叠层显微系统对人体血细胞样本进将训练集的输入送入到卷积神经网络的编码模2S1、利用傅里叶叠层显微系统对人体血细胞样本进行1卷积层和激活函数层;所述步骤S2中去噪模块的输入为编码模块池化操作之前获得的不特征图的通道数进行分割,分割后的通道特征信息分别对应层级的特征图进行相乘操作,2.根据权利要求1所述的基于卷积神经网络的傅里叶叠层显微图像去噪方法,其特征S11、利用傅里叶叠层显微成像系统对人体血细胞样本进行成像,在20倍物镜下采集S12、随机选取高分辨率强度图分别作为强度图和相位图,通过随机组合的方式获得S13、利用传统的傅里叶叠层显微重建算法迭代一次低分辨率强度图获得低分辨复振S14、裁剪仿真过程中的输入和真值数据,获得25600组输入和真值数据,随机选择3[0002]傅里叶叠层显微成像技术是近年来新兴的实现了大视场下重建高分辨图像的计决了透明样本无法成像的问题。该技术利用可编程的发光二极管(LED)阵列从不同角度照4[0015]S13、利用传统的傅里叶叠层显微重建算法迭代一次低分辨率强度图获得低分辨5[0034]S13、利用传统的傅里叶叠层显微重建算法迭代一次低分辨率强度图获得低分辨的通道特征信息经过卷积层和激活函数的优化,再按照不同层级特征图的通道数进行分6[0041]图4为卷积神经网络中去噪模块示意图,表示某个层级下去噪模块对特征图的优由卷积层和激活函数层组成的优化模块,从而实现不同层级特征图在通道维度的特征共[0042]图5为卷积神经网络中解码模块的1个卷积上采样块示意图,包括一个上采样层、789

温馨提示

  • 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

评论

0/150

提交评论