[发明专利]基于卷积神经网络的生物组织三维成像方法

说明书

本发明提供了一种基于卷积神经网络的生物组织三维成像方法，通过使用普通的宽场显微镜配合物理切削，获取生物组织的浅层宽场图像，然后利用卷积神经网络将宽场图像转化为清晰的光学层析图像，通过逐层获取生物组织浅层的光学层析图像，最终获得清晰的生物组织三维成像。这种方法不涉及精密的硬件设备和复杂的光路，更加实用和稳定。同时由于宽场拍摄模式具有高通量的特性，因此成像速度更快。

技术领域

本发明涉及三维显微成像方法，尤其是涉及一种基于卷积神经网络的生物组织三维成像方法。

背景技术

获取生物组织的三维精细结构对于理解生物体的解剖结构和生理功能有着重要意义。对于几个厘米大小甚至更大尺寸的生物样本，目前主流的成像方式是利用具有光学层析能力的显微镜并配合物理切削(Hui Gong,et al.Nature Communications,2016,7:12142)。然而具有光学层析能力的显微镜大都需要精心设计的光路和昂贵的硬件设备来实现，不仅调试困难并且耗费大量人力物力。因此设计一种实用并且可靠的生物样本三维成像方法很有必要。

发明内容

本发明为了克服上述技术不足，提出了一种基于卷积神经网络的生物组织三维成像方法，通过使用普通的宽场照明显微镜配合物理切削，获取生物组织浅层的宽场图像，然后利用卷积神经网络将宽场图像转化为清晰的光学层析图像，通过逐层获取生物组织浅层的光学层析图像，最终获得清晰的生物组织三维成像。这种方法不涉及精密的硬件设备和复杂的光路，更加实用和稳定。同时由于宽场拍摄模式具有高通量的特性，因此成像速度更快。

本发明提供的一种基于卷积神经网络的生物组织三维成像方法，具体包括如下步骤：

S1训练卷积神经网络：搭建端到端的卷积神经网络，利用宽场照明显微镜和具有光学层析能力的显微镜对同一样本进行成像，对该样本获得像素一一对齐的宽场图像和光学层析图像，将所述宽场图像和光学层析图像进行拆分，以形成多个宽场图像与光学层析图像的像素一一对应的图像对，然后用拆分后一一对应的图像对训练所述卷积神经网络，以获得训练完成的卷积神经网络；

S2样本处理：将待进行成像的生物组织经过包埋处理后形成生物样本进行固定；

S3获取浅层的光学层析图像：采用所述步骤S1中的宽场照明显微镜对所述生物样本的浅层进行成像以获得所述浅层的宽场图像，将所述浅层的宽场图像按照所述步骤S1中的宽场图像的尺寸进行拆分后，输入所述步骤S1中训练完成的卷积神经网络中，最终输出同等数量的等同尺寸的光学层析图像，将本次输出的光学层析图像进行拼接以获得所述浅层的光学层析图像；

S4获取整个生物样本的光学层析图像：判断是否获得整个生物样本的光学层析图像，未全部获得则将所述已获得光学层析图像的浅层切除以露出新的浅层后重复步骤S3，已全部获得则结束。

进一步的，所述浅层的厚度为1-10um；

进一步的，所述步骤S1中的卷积神经网络的结构为U型网络：网络分为编码器部分和解码器部分，编码器由四个步长为2的卷积层构成，解码器由与所述编码器对称的四个步长为2的反卷积层构成，且在每个编码器和解码器之间有跳跃连接，以使图像先经过编码器被降采样16倍，再经过解码器升采样16倍，最终恢复到原来的尺寸。

进一步的，所述步骤S1中的卷积神经网络的结构为全卷积网络：网络由10层不补零的卷积层直接堆叠而成，卷积核为3x3。

进一步的，所述步骤S1中的卷积神经网络的结构为残差网络：网络由8个残差块组成，残差块中包含2个补零的卷积层，卷积核为3x3，残差块的输入和输出之间有残差连接。

进一步的，对所述生物样本的浅层进行成像采用的是马赛克拼接成像方式。

进一步的，所述马赛克拼接成像方式具体为：当一个视场成像完成后，顺序移动到相邻视场完成下一个视场的成像，直至完成整个浅层的成像，相邻的两个视场之间留有冗余。