近年来，以深度学习为代表的计算超分辨方法可在不损失其他成像性能的前提下，提升显微图像分辨率或信噪比，表现出广阔的应用前景。然而，针对生物医学研究必需高保真度、可定量分析的图像要求，深度学习显微成像方法存在三大共性问题：受限于深度学习内秉的频谱频移(spectral-bias)问题，输出图像分辨率无法达到真值(ground truth)水平；受限于超分辨重建、...[更多]
m.cnreagent.com
