Dual-Cycle: Self-Supervised Dual-View Fluorescence Microscopy Image Reconstruction using CycleGAN

要約

三次元蛍光顕微鏡法は、多くの場合、軸方向に沿った解像度が横方向のイメージング平面内の解像度よりも低い異方性に悩まされます。
デュアル ビュー蛍光画像の共同デコンボリューションと融合のための新しいフレームワークである Dual-Cycle を提示することで、この問題に対処します。
最近の Neuroclear メソッドに触発された Dual-Cycle は、デュアルビュー ジェネレーターと事前ガイド付き劣化モデルを組み合わせることにより、自己監視方式でトレーニングされたサイクル一貫性のある生成ネットワークとして設計されています。
合成データと実際のデータの両方で Dual-Cycle を検証し、外部トレーニング データなしで最先端のパフォーマンスを示します。

要約(オリジナル)

Three-dimensional fluorescence microscopy often suffers from anisotropy, where the resolution along the axial direction is lower than that within the lateral imaging plane. We address this issue by presenting Dual-Cycle, a new framework for joint deconvolution and fusion of dual-view fluorescence images. Inspired by the recent Neuroclear method, Dual-Cycle is designed as a cycle-consistent generative network trained in a self-supervised fashion by combining a dual-view generator and prior-guided degradation model. We validate Dual-Cycle on both synthetic and real data showing its state-of-the-art performance without any external training data.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google