代码链接: https://github.com/cabooster/DeepCAD-RT

官网及教程: https://cabooster.github.io/DeepCAD-RT/

DeepCAD是一种基于深度自监督学习的方法，能够快速处理并去噪荧光时间序列图像。其独特之处在于，可以直接使用原始的低信噪比数据进行卷积网络的训练，这在样本动态变化快且难以获取真实数据的功能成像领域中尤为有利。我们通过包括小鼠、斑马鱼和果蝇的钙成像、细胞迁移观察以及一种新型遗传编码ATP传感器的成像等广泛实验，验证了其在2D单平面成像和3D体积成像方面的有效性。定性和定量评估结果显示，DeepCAD能够显著提升荧光时间序列成像数据的质量，并允许在超越散粒噪声限制的条件下进行高灵敏度的生物动态成像。