SIM图像合理化深度学习去噪和解卷积
01
集成了包括RL解卷积、约束解卷积等传统显微图像处理算法和合理化深度学习显微图像处理算法,合理化深度学习算法通过引入光学显微成像的物理先验,在提升处理效果的同时使得结果可信、可量化,搭配传统算法可满足用户的多方面需求、提供灵活的图像处理方案。
结合了针对初学用户的一键式处理方案(如一键式深度学习批量处理、显微图像全分割等)以及针对资深用户的定制化处理方案(包括模型有监督、自监督微调等功能等),满足不同用户的个性化使用需求。
广泛适配多种显微镜品牌(如纳析、蔡司、尼康、奥林巴斯、徕卡)及显微镜模态(如共聚焦显微镜、宽场显微镜、光片显微镜、结构光照明超分辨显微镜等)的图像数据,以及各种生物样本数据(包括胚胎、线虫、斑马鱼、类器官、多细胞、单细胞等),是一款通用的显微图像AI处理及分析工具。
· Li D. et al., Nature Methods, 2021
· Li D. et al, IEEE JSTQE, 2021
· Li D. et al., Nature Biotechnology (cover), 2023
· Li D. et al, Photonics Research (cover), 2024
· Li D. et al, PhotoniX, 2024
· Li D. et al., Nature Communications, 2024
DeepInsight集成了清华大学李栋团队近10年在国际高水平期刊上发表的多项关于合理化深度学习显微图像处理算法(rDL)的原创性工作与申请的多项国家、国际发明专利,后经纳析科技公司研发团队进行产业化部署和加速,最终于DeepInsight软件中实现鲁棒、易用的显微图像处理功能。
* 部分代表性原创技术开发文章
微信公众号
Visualize your ideas
广州市番禺区大学城中心北大街66号创新大厦110-112
安徽省合肥市高新区合欢路16号天怡新世纪商务中心研发生产楼西楼二层