文件名称：COMI:深度学习校正散焦显微图像
文件大小：5.76MB
文件格式：ZIP
更新时间：2024-04-29 13:30:16
Python
COMI：通过深度学习校正散焦的显微图像 显微图像广泛用于科学研究和医学发现。 但是，通过低成本显微镜获得的图像通常无法聚焦，从而导致研究和诊断性能较差。 我们提出了一种基于循环生成对抗网络（CycleGAN）的模型和多分量加权损失函数来解决此问题。 通过分析哺乳动物细胞从原生动物寄生虫到细胞核，肌动蛋白和线粒体的各种细胞结构，我们的方法在不同的研究领域显示出良好的泛化能力，这为生物成像提供了广阔的前景。 所提出的方法包括两个生成器（源生成器和目标生成器）和两个鉴别器（源鉴别器和目标鉴别器）。 源发生器将离焦图像转换为聚焦图像，然后目标判别器会尝试将真实的聚焦图像与生成的聚焦图像区分开;目标发生器会将聚焦图像转换为离焦图像，然后源识别器会尝试区分真实的离焦图像和生成的离焦图像。 1.先决条件 Ubuntu 16.04 特斯拉K40C GPU Python 3.6 凯拉斯2.2.4 Te
【文件预览】：
COMI-main
----testPicture()
--------Out-of-focus image.jpg(625KB)
----test.py(16KB)
----LICENSE(1KB)
----.gitignore(2KB)
----deblur.py(24KB)
----figure()
--------figure1.png(217KB)
--------figure4.png(1.84MB)
--------result_github.png(320KB)
--------figure3.png(1.82MB)
--------table1.png(28KB)
--------figure2.png(980KB)
----README.md(3KB)