跳到正文
原文
bioRxiv 预印本· Zhang, N., Joubert, L.-M., Wu, G.-H., Su, G.-C., Liu, P., Mishra, M., Li, P., Sanz-Ros, J., Einav, S., Wang, B., Cobos, I., Xu, M., Chen, M. ·· 2 天前AI 评分18

伪影引导修复改善 cryo-FIB-SEM 体积成像中细胞超微结构的可视化

Artifact-guided restoration improves visualization of cellular ultrastructure in cryo-FIB-SEM volumes

AI 导读

研究团队提出一种两阶段深度学习框架,将 cryo-FIB-SEM 图像转换至室温 FIB-SEM 域,抑制大规模充电伪影并增强局部膜信号。在四个实验数据集上,处理后体积的可见伪影减少、膜特征更清晰,且可直接用为 RT-FIB-SEM 设计的工具分析,预训练分割模型在输出上给出大量膜结构预测。该采集后方法无需改动成像硬件即可提升 cryo-FIB-SEM 数据的可视化和下游分析能力。

来源:bioRxiv 预印本 · biorxiv.org