欠采样采集下各向同性三维荧光显微成像的物理驱动零样本重建

三维（3D）成像代表了下一代荧光显微镜的发展方向。然而，常规的轴向降采样使得各向同性分辨率难以实现。在此，我们提出 DeepUI，这是一种物理零样本框架，旨在从低轴向采样率获得各向同性的 3D 荧光图像。DeepUI 通过物理引导退化充分利用了 3D 图像的内在特性，该方法结合了空间-频率联合学习以生成缩放的光学传递函数，并与噪声退化和上采样分支相结合。通常仅需 5 分钟即可完成训练，且可在 0.5 分钟内实现高通量快速预测。我们证明了 DeepUI 在获取各向同性结果方面的优越性能，以及其对轴向降采样条件的独特适应性，即使在更具挑战性的条件下，包括失焦背景、噪声和分辨率模糊，其表现依然出色。

三维（3D）成像代表了下一代荧光显微镜技术的发展方向。然而，常规的轴向降采样使得实现各向同性分辨率变得不切实际。在此，我们提出了 DeepUI，一种物理零样本框架，旨在从低轴向采样率的数据中实现各向同性的三维荧光图像。DeepUI 通过物理引导的退化过程，充分利用三维图像的内在特性；该过程结合了空间—频率联合学习以生成缩放的光学传递函数，并整合了噪声退化和上采样分支。通常仅需 5 分钟训练以及 0.5 分钟即可实现高通量快速预测，我们证明了 DeepUI 在获得各向同性结果方面的优越性能，以及其对轴向降采样条件的专属性；即使在更具挑战性的条件下，包括离焦背景、噪声和分辨率模糊，亦是如此。

📄 原文链接：https://www.biorxiv.org/content/10.64898/2026.06.13.732100v1?rss=1

🏷️ 三维荧光显微成像 各向同性重建 零样本学习 物理驱动建模 欠采样重建 光学传递函数