DeStripe: A Self2Self Spatio-Spectral Graph Neural Network with Unfolded Hessian for Stripe Artifact Removal in Light-sheet Microscopy

要約

ライトシート蛍光顕微鏡（LSFM）は、照明と検出パスが分離されたメゾスコピックサンプルの3次元イメージングを可能にする最先端の体積イメージング技術です。
このような顕微鏡の選択的励起スキームは、焦点が合っていない蛍光バックグラウンドとサンプルの光損傷を最小限に抑える固有の光学セクショニングを提供しますが、光の吸収と散乱の影響を受けやすく、画像に不均一な照明と縞模様のアーチファクトが生じます。
この問題に取り組むために、この論文では、自己監視された空間スペクトルグラフニューラルネットワークと展開されたヘッセ行列を組み合わせた、DeStripeと呼ばれるLSFMのブラインドストライプアーティファクト除去アルゴリズムを提案します。
具体的には、ストライピング情報を周波数領域の孤立した値に凝縮するフーリエ変換の望ましい特性に触発され、DeStripeはまず、一方向のストライプアーティファクトとより等方性の前景画像との構造の違いを利用して、破損する可能性のあるフーリエ係数をローカライズします。
次に、影響を受けたフーリエ係数をグラフニューラルネットワークにフィードして回復し、ヘッセ正則化を展開して、標準画像空間の構造が十分に保存されるようにします。
現実的には、ストライプのないLSFMは標準の画像取得プロトコルではほとんど存在しないため、DeStripeにはSelf2Selfノイズ除去損失項が装備されており、ストライプのないグラウンドトゥルース画像にアクセスせずにアーティファクトを除去できます。
競合する実験結果は、合成および実際のストライプアーティファクトの両方を使用してLSFMで破損したバイオマーカーを回復する際のDeStripeの有効性を示しています。

要約(オリジナル)

Light-sheet fluorescence microscopy (LSFM) is a cutting-edge volumetric imaging technique that allows for three-dimensional imaging of mesoscopic samples with decoupled illumination and detection paths. Although the selective excitation scheme of such a microscope provides intrinsic optical sectioning that minimizes out-of-focus fluorescence background and sample photodamage, it is prone to light absorption and scattering effects, which results in uneven illumination and striping artifacts in the images adversely. To tackle this issue, in this paper, we propose a blind stripe artifact removal algorithm in LSFM, called DeStripe, which combines a self-supervised spatio-spectral graph neural network with unfolded Hessian prior. Specifically, inspired by the desirable properties of Fourier transform in condensing striping information into isolated values in the frequency domain, DeStripe firstly localizes the potentially corrupted Fourier coefficients by exploiting the structural difference between unidirectional stripe artifacts and more isotropic foreground images. Affected Fourier coefficients can then be fed into a graph neural network for recovery, with a Hessian regularization unrolled to further ensure structures in the standard image space are well preserved. Since in realistic, stripe-free LSFM barely exists with a standard image acquisition protocol, DeStripe is equipped with a Self2Self denoising loss term, enabling artifact elimination without access to stripe-free ground truth images. Competitive experimental results demonstrate the efficacy of DeStripe in recovering corrupted biomarkers in LSFM with both synthetic and real stripe artifacts.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google