融合通道层注意力机制的UNet的衍射极限荧光点检测和定位
摘要
针对高通量荧光显微成像中高密度、低信噪比、亚衍射极限荧光斑点的自动化精准检测和定位问题，基于UNet提出一种轻量级神经网络方法。该方法采用挤压和激发通道层注意力机制和残差模块优化特征信息，构建密度图和偏移量多输出架构，直接执行检测和亚像素定位。在公开数据集和模拟数据集进行实验，所提方法对低信噪比和高密度的荧光点检测优于当前算法，尤其对于达到衍射极限的高密度荧光点，有很好的检测性能，比如在128×128像素具有1200个荧光点并且大部分点达到衍射极限的图像下。所提算法对斑点的识别精度F1分数超过97.6%，定位误差为0.115 pixel，相比最新deepBlink方法，F1提升16.2个百分点并且定位误差减小0.63 pixel。
引用本文（GB/T 7714）
余永建 Yu Yongjian, 王越 Wang Yue, 李寰 Li Huan, 等. 融合通道层注意力机制的UNet的衍射极限荧光点检测和定位[J]. Laser & Optoelectronics Progress, 2023.
引文网络
本站仅收录题录与摘要供学习参考，全文版权归属出版方；如有侵权请联系我们删除。