收集30GB、近20万对训练样本，复旦大学团队发布UniFMIR：用AI突破显微成像极限

AIGC动态欢迎阅读

原标题：收集30GB、近20万对训练样本，复旦大学团队发布UniFMIR：用AI突破显微成像极限
关键字：图像,数据,各向同性,模型,任务
文章来源：HyperAI超神经
内容字数：9176字

内容摘要：

作者：梅菜
编辑：李宝珠，三羊
复旦大学计算机科学技术学院研究团队，提出了跨任务、多维度图像增强基础 AI 模型 UniFMIR，实现了对现有荧光显微成像极限的突破，并为荧光显微镜图像增强提供了一个通用的解决方案。荧光显微镜是生命科学领域不可或缺的重要研究工具，其原理是以紫外线为光源，照射被检物体使之发出荧光，然后在显微镜下观察物体的形状及其所在位置，可用于研究细胞内物质的吸收、运输，化学物质的分布及定位等。
然而，激发光下的高强度曝露会通过光化学过程直接或间接对细胞造成影响。在长时间活细胞实验中，最好能以最小的光曝露进行荧光观察。但同时，较低的曝光会导致荧光信号较弱，降低图像信噪比 (SNR)，让定量图像分析难度增加。
因此，基于荧光显微镜的图像恢复 (FMIR) 在生命科学领域受到了广泛关注，它旨在从低信噪比的图像中获得高信噪比的图像，有助于揭示重要的纳米级成像信息。
目前，受益于人工智能技术的快速发展，许多基于深度学习的 FMIR 突破了荧光显微镜的物理极限，取得了重大进展，但主流模型仍存在泛化能力差、数据依赖性强等挑战。
对此，来自复旦大学计算机科学技术学院的研究团队在 N

原文链接：收集30GB、近20万对训练样本，复旦大学团队发布UniFMIR：用AI突破显微成像极限