The Innovation | 自适应深度学习超分辨成像伪像抑制技术

背景：随着深度学习在超分辨荧光显微镜领域的快速发展，其产生的隐蔽且具误导性的伪像问题日益受到关注，这影响了图像解释和科学结论的准确性。现有模型在推理阶段参数固定，难以应对多变成像条件和噪声干扰。研究目的：为解决上述问题，本文提出一种自适应深度学习超分辨成像技术，旨在通过动态优化模型参数来智能响应成像条件变化，从而抑制伪像，提升重建准确性。结论：该技术核心是SAFT方法，包括自监督和弱监督两种策略，能在推理阶段通过评估重建质量动态调整模型。实验表明，该方法可抑制约20~30%的伪像，成功应用于多种超分辨平台，实现了对活细胞亚细胞结构的清晰动态成像，为深度学习在活细胞超分辨成像中的实际应用提供了创新解决方案。