Estimation of Optical Aberrations in 3D Microscopic Bioimages

要約

顕微鏡画像の品質は、多くの場合、光学収差に悩まされます。
これらの収差とそれに関連する点広がり関数は、異常な画像を復元するために定量的に推定する必要があります。
畳み込みニューラル ネットワークに基づく最近の最先端の方法である PhaseNet は、収差を正確に定量化できますが、点光源の画像に限定されます。
蛍光ビーズ。
この研究では、生物学的サンプルの 3D 画像での使用を可能にする PhaseNet の拡張について説明します。
この目的のために、私たちの方法は、ネットワークのトレーニングに使用されるシミュレートされた画像にオブジェクト固有の情報を組み込みます。
さらに、Richardson-Lucy デコンボリューションによる Python ベースの画像復元を追加します。
予測されたPSFを使用したデコンボリューションは、シミュレートされた収差を除去するだけでなく、未知の残留PSFを持つ実際の生の顕微鏡画像の品質を改善できることを示しています。
収差の迅速かつ便利な予測と補正のためのコードを提供します。

要約(オリジナル)

The quality of microscopy images often suffers from optical aberrations. These aberrations and their associated point spread functions have to be quantitatively estimated to restore aberrated images. The recent state-of-the-art method PhaseNet, based on a convolutional neural network, can quantify aberrations accurately but is limited to images of point light sources, e.g. fluorescent beads. In this research, we describe an extension of PhaseNet enabling its use on 3D images of biological samples. To this end, our method incorporates object-specific information into the simulated images used for training the network. Further, we add a Python-based restoration of images via Richardson-Lucy deconvolution. We demonstrate that the deconvolution with the predicted PSF can not only remove the simulated aberrations but also improve the quality of the real raw microscopic images with unknown residual PSF. We provide code for fast and convenient prediction and correction of aberrations.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google