非标记超分辨和定量相位成像

来源 :华中科技大学 | 被引量 : 0次 | 上传用户:gzw39
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
我们先介绍一种芯片尺度无透镜大视野非标记显微成像技术,它可以自动呈现生长或融合细胞培养的显微镜图像,称为无镜成像,用于细胞培养实验。这种技术利用了最近广泛和廉价的高性能图像传感器芯片,提供了一种低成本和自动化的显微镜解决方案。不像两种主要的无透镜显微镜方法,光流控显微镜和数字全息显微镜,这种新方法完全能够处理细胞培养或细胞可能连续连接的任何样品。利用我们的实验证明了该方法可以应用于彩色细胞培养样品的成像,也可以直接在培养箱中对细胞生长进行成像和跟踪。基于该技术的智能培养皿可以显著简化和改进细胞培养实验,降低人类劳动和污染风险。然后介绍非标记衍射相位显微镜(DPM),这是一种能够显著缓解噪声问题的共径定量相位成像(QPI)方法。DPM利用一个紧凑的马赫曾德干涉仪结合了当前QPI方法的几个属性。这种紧凑的配置本质上抵消了大多数产生噪音的机制,而且是单镜头的,这意味着采集速度仅受所使用相机的速度限制。这种技术也是无损的,不需要对样品进行染色或涂布。这种独特的功能使DPM系统能够在各种环境中精确地监测各种纳米尺度现象的动力学。DPM系统可以在传输和反射两种模式下运行,以便分别容纳透明和不透明样本。因此,DPM目前的应用包括测量生物样品的动力学、半导体湿刻蚀和光化学刻蚀过程、水滴的表面湿润和蒸发、纳米管的自组装、材料的膨胀和变形、半导体晶片缺陷的检测等。最后白光DPM平均了大部分散斑背景,也为光谱测量提供了可能性。
其他文献
图像融合是将两个或者两个以上的传感器在同一时间或不同时间获取的关于某个具体场景的图像或者图像序列信息加以综合,以生成一个新的有关此场景解释的信息处理过程,而这个解释是从单一传感器获取的信息中无法得到的[1]。近些年来,国内外研究者在图像融合领域取得了丰硕的研究成果,本文将着重介绍在平移不变剪切波变换(Shift-Invariant Shearlet Transfom,SIST)下的图像融合方法。与
随着我国对野生动物保护力度的加强,对偷猎、贩卖、走私野生动物等违法犯罪行为的打击力度也逐渐加强,因此涉案野生动物及其制品的物证鉴定对惩治犯罪至关重要。目前,涉及偶蹄目动物的犯罪案件频发,而现主要的鉴定手段为宏观形态鉴定和DNA鉴定,有关毛微观形态学鉴定的研究较少,且主要以背毛研究为主。本文以水鹿(Cervus unicolor)、鼷鹿(Tragulus javanicus)、赤麂(Muntiacu
抽动症(Tourette Syndrome,TS)是一种以重复、刻板、无意识、无目的的运动性或声音性的抽搐动作为典型特征的,多发于儿童的慢性神经系统疾病,易产生抑郁、焦虑、睡眠问题等多
非线性分数阶常微分方程边值问题是常微分方程理论的一个重要组成部分.相比整数阶常微分方程,分数阶常微分方程能够更精准地刻画事物的性质和预测其发展趋势.因此,研究非线性分数阶常微分方程边值问题具有十分重要的理论意义与应用价值.本文致力于两类非线性分数阶常微分方程边值问题正解的存在性和多解性问题的探究.首先,通过Green函数将非线性分数阶常微分方程边值问题转化为求相应积分算子的不动点问题;然后,利用相
强激光场与原子、分子等相互作用会产生许多非线性的光学现象,如阈上电离、高次谐波、非顺序双电离等。其中高次谐波一直是人们研究的重要课题,利用高次谐波,我们可以产生较
双千兆网络时代刺激了光纤光缆多元化的需求,本文对不同应用场景下的各种新型光纤产品进行了应用分析,新型光纤将为双千兆网络发展所需的强大、完备、广泛覆盖的光纤网络提供
在公司法由实缴资本制修改为认缴资本制之后,在相关法律关系中出现出资人资本认缴的期限利益与公司债权人债权利益之间的冲突。这种冲突也明显反映在司法实务的两难判断中,即
融资租赁是一个包括着融资和融物双重属性的有发展前途的产业。在我国经济以及各行各业的迅猛发展下,融资租赁业务也跟着发展起来,逐渐形成了三股势力,有银行牵头的,有厂商牵头的,还有独立开展的融资租赁公司。作为独立开展融资租赁业务SQ公司既没有银行那边的资金方面的优点,也没有厂商那边雄厚的技术背景。所以SQ公司要找到有利于自身发展前进的方向。通过对SQ公司的深入分析,从中得出适合SQ公司自身发展的战略。本
近年来,基于梯度下降迭代求解的神经网络发展迅猛,出现了许多新的深度学习算法,尽管其在工业上取得了很大成功,但是训练一个这样的网络要耗费大量的时间.在机器学习领域有不少算法并不需要使用梯度进行迭代求解,黄广斌教授提出的极限学习机(ELM)就是其中一种.它是一种单隐层的前馈神经网络,其隐层的权重是随机产生的,输出层的计算则是基于最小均方误差的广义逆.由于ELM的计算不需要迭代,其计算非常迅速.然而,由
传统数据库与云计算技术的结合催生出云数据库,它提供数据库资源虚拟化,具有按需使用、扩展性强、高可用性等优点,其重要性和价值日益显现。在互联网场景下,关系型云数据库面临多变数据访问模式和负载压力,导致其现有缓存管理效率不高,系统性能波动较大。因此,增强缓存子系统自适应能力,对提高系统整体稳定性和吞吐量具有重要意义。采用存储计算分离技术,设计关系型云数据库自适应缓存框架。在该框架中,设计缓存分区分类管