Enhancing Deep Learning Based Structured Illumination Microscopy Reconstruction with Light Field Awareness

要約

構造化された照明顕微鏡（SIM）は、生細胞の動的な細胞内イメージングのための極めて重要な手法です。
従来のSIM再構成アルゴリズムは、照明パターンの正確な推定に依存し、この推定が不正確な場合にアーティファクトを導入できます。
最近の深い学習ベースのSIM再構成方法は速度、精度、堅牢性が向上しましたが、多くの場合、分散型のデータと格闘しています。
この制限に対処するために、データ分布シフトから生じるエラーを直接修正するために実際の光場を直接推定する光フィールドSIM（AL-SIM）再構成アプローチの認識を提案します。
シミュレートされたフィラメント構造とライブBSC1セルの両方での包括的な実験を通じて、我々の方法は正規化された根平均誤差（NRMSE）の7％の減少を示し、再構築のアーチファクトを大幅に低下させます。
これらのアーティファクトを最小限に抑え、全体的な精度を向上させることにより、AL-SIMは複雑な生物学的システムに対するSIMの適用性を拡大します。

要約(オリジナル)

Structured illumination microscopy (SIM) is a pivotal technique for dynamic subcellular imaging in live cells. Conventional SIM reconstruction algorithms depend on accurately estimating the illumination pattern and can introduce artefacts when this estimation is imprecise. Although recent deep learning-based SIM reconstruction methods have improved speed, accuracy, and robustness, they often struggle with out-of-distribution data. To address this limitation, we propose an Awareness-of-Light-field SIM (AL-SIM) reconstruction approach that directly estimates the actual light field to correct for errors arising from data distribution shifts. Through comprehensive experiments on both simulated filament structures and live BSC1 cells, our method demonstrates a 7% reduction in the normalized root mean square error (NRMSE) and substantially lowers reconstruction artefacts. By minimizing these artefacts and improving overall accuracy, AL-SIM broadens the applicability of SIM for complex biological systems.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google