基于理查德森-露西算法的显微镜去卷积神经网络模型构建方法

发明专利有效专利

申请号：
CN202110539397.1
IPC分类号：G06N3/04;G06N3/08;G06T5/00
申请日期：
2021-05-17
申请人：
浙江大学

基础信息

权利要求

说明书

PDF全文

法律信息

引证文献

著录项信息

专利名称	基于理查德森-露西算法的显微镜去卷积神经网络模型构建方法
申请号	CN202110539397.1	申请日期	2021-05-17
法律状态	实质审查	申报国家	中国
公开/公告日	2021-08-06	公开/公告号	CN113222117A
优先权	暂无	优先权号	暂无
主分类号	G06N3/04 ? IPC结构图谱： G 物理 G0 仪器 G06 计算；推算；计数 G06N 基于特定计算模型的计算机系统〔7〕 G06N3/00 基于生物学模型的计算机系统（仿真生物的功能方面的模拟计算机入G06G 7/60）〔7〕 G06N3/02 采用神经网络模型（用于自适应控制的入G05B 13/00；用于图像模式匹配的入G06K 9/00；用于图像数据处理的入G06T 1/40；用于语音模式匹配的入G10L 15/16）〔7〕 G06N3/04 体系结构，例如，互连拓扑〔7〕	IPC分类号	G;0;6;N;3;/;0;4;;;G;0;6;N;3;/;0;8;;;G;0;6;T;5;/;0;0查看分类表>
申请人	浙江大学	申请人地址	浙江省杭州市西湖区余杭塘路866号变更专利地址、主体等相关变化，请及时变更，防止失效
权利人	浙江大学	当前权利人	浙江大学
发明人	刘华锋;李玥
代理机构	杭州天勤知识产权代理有限公司	代理人	王琛

摘要

本发明公开了一种基于理查德森‑露西算法的显微镜去卷积神经网络模型构建方法，将大量训练集中的荧光显微镜图像和相应的去卷积后的样本估计输入搭建的神经网络，学习到荧光显微镜模糊的采集图像与作为标签的样本估计之间的去卷积关系。值得一提的是，此网络是普适性的，对于同一种荧光显微镜采集到的数据，在测试过程中表现出了良好的去模糊能力，对于不同类型的数据集，也有很好的泛化能力。总的来说，本发明利用基于理查德森‑露西去卷积结构的神经网络搭建了一个普适性的框架，通过强大的特征提取能力建立了一个去卷积的映射关系，从而完成荧光显微镜图像的非迭代方法去模糊。

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
该专利没有引用任何外部专利数据！

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
该专利没有被任何外部专利所引用！

我浏览过的专利

专利服务由北京酷爱智慧知识产权代理公司提供