Noise2SR: Learning to Denoise from Super-Resolved Single Noisy Fluorescence Image

要約

蛍光顕微鏡は、生物医学研究の発見を促進するための重要な推進力です。
ただし、顕微鏡ハードウェアと観察されるサンプルの特性の制限により、蛍光顕微鏡画像はノイズの影響を受けやすくなります。
最近、いくつかの自己教師あり深層学習 (DL) ノイズ除去手法が提案されています。
ただし、既存の方法のトレーニング効率とノイズ除去のパフォーマンスは、実際のシーンのノイズ除去では比較的低いです。
この問題に対処するために、この論文では、単一のノイズ観測に基づいてシンプルで効果的な画像ノイズ除去モデルをトレーニングする自己教師付き画像ノイズ除去方法 Noise2SR (N2SR) を提案しました。
当社の Noise2SR ノイズ除去モデルは、異なる次元のペアのノイズ画像を使用したトレーニング用に設計されています。
このトレーニング戦略の恩恵を受けて、Noise2SR はより効率的に自己監視され、単一のノイズの多い観察からより多くの画像の詳細を復元できます。
シミュレートされたノイズと実際の顕微鏡ノイズ除去の実験結果は、Noise2SR が 2 つの死角ベースの自己教師付きディープ ラーニング画像ノイズ除去方法よりも優れていることを示しています。
Noise2SR には、他の種類の科学的イメージングの品質を向上させる可能性があると考えています。

要約(オリジナル)

Fluorescence microscopy is a key driver to promote discoveries of biomedical research. However, with the limitation of microscope hardware and characteristics of the observed samples, the fluorescence microscopy images are susceptible to noise. Recently, a few self-supervised deep learning (DL) denoising methods have been proposed. However, the training efficiency and denoising performance of existing methods are relatively low in real scene noise removal. To address this issue, this paper proposed self-supervised image denoising method Noise2SR (N2SR) to train a simple and effective image denoising model based on single noisy observation. Our Noise2SR denoising model is designed for training with paired noisy images of different dimensions. Benefiting from this training strategy, Noise2SR is more efficiently self-supervised and able to restore more image details from a single noisy observation. Experimental results of simulated noise and real microscopy noise removal show that Noise2SR outperforms two blind-spot based self-supervised deep learning image denoising methods. We envision that Noise2SR has the potential to improve more other kind of scientific imaging quality.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google