图像超分辨毕业论文

科技的进步带动了现代医学的发展，计算机技术的广泛应用，又进一步推动了影像医学向前迈进。各类检查仪器的性能不断地提高，功能不断地完善，并且随着图像存档和传输系统(PACS)的应用，更建立了图像信息存储及传输的新的模式。而医学影像的融合，作为图像后处理技术的完善和更新，将会成为影像学领域新的研究热点，同时也将是医学影像学新的发展方向。所谓医学影像的融合，就是影像信息的融合，是信息融合技术在医学影像学领域的应用；即利用计算机技术，将各种影像学检查所得到的图像信息进行数字化综合处理，将多源数据协同应用，进行空间配准后，产生一种全新的信息影像，以获得研究对象的一致性描述，同时融合了各种检查的优势，从而达到计算机辅助诊断的目的〔1，2〕。本文将从医学影像融合的必要性、可行性、关键技术、临床价值及应用前景5个方面进行探讨。1 医学影像融合的必要性 影像的融合是技术更新的需要 随着计算机技术在医学影像学中的广泛应用，新技术逐渐替代了传统技术，图像存档和PACS的应用及远程医疗的实施，标志着在图像信息的存储及传输等技术上已经建立了新的模式。而图像后处理技术也必须同步发展，在原有的基础上不断地提高和创新，才能更好更全面地发挥影像学的优势。影像的融合将会是后处理技术的全面更新。 影像的融合弥补了单项检查成像的不足 目前，影像学检查手段从B超、传统X线到DSA、CR、CT、MRI、PET、SPECT等，可谓丰富多彩，各项检查都有自身的特点和优势，但在成像中又都存在着缺陷，有一定的局限性。例如：CT检查的分辨率很高，但对于密度非常接近的组织的分辨有困难，同时容易产生骨性伪影，特别是颅后窝的检查，影响诊断的准确性；MRI检查虽然对软组织有超强的显示能力，但却对骨质病变及钙化病灶显示差；如果能将同一部位的两种成像融合在一起，将会全面地反映正常的组织结构和异常改变，从而弥补了其中任何一种单项检查成像的不足。 影像的融合是临床的需要 影像诊断最终服务于临床治疗；先进的检查手段，清晰的图像，有助于提高诊断的准确性，而融合了各种检查优势的全新的影像将会使诊断更加明确，能够更好地辅助临床诊治疾病。2 医学影像融合的可行性 影像学各项检查存在着共性和互补性为影像的融合奠定了基础 尽管每项检查都有不同的检查方式、成像原理及成像特征，但它们具有共同的形态学基础，都是通过影像来反映正常组织器官的形态、结构和生理功能，以及病变的解剖、病理和代谢的改变。而且，各项检查自身的缺陷和成像中的不足，都能够在其他检查中得到弥补和完善。例如：传统X线、CT检查可以弥补对骨质成像的不足；MRI检查可以弥补对软组织和脊髓成像的不足；PET、SPECT检查则可以弥补功能测定的不足。 医学影像的数字化技术的应用为影像的融合提供了方法和手段 现在，数字化技术已充分应用于影像的采集、存储、后处理、传输、再现等重要的技术环节。在首要环节即影像的采集中，应用了多种技术手段，包括：(1)同步采集数字信息，实时处理；(2)同步采集模拟信号，经模数转换装置转换成数字信号；(3)通过影像扫描仪和数码相机等手段，对某些传统检查如普通X线的胶片进行数字转换等；将所采集的普通影像转换成数字影像，并以数据文件的形式进行存储、传输，为进一步实施影像融合提供了先决条件。3 医学影像融合的关键技术信息融合在医学图像研究上的作用一般是通过协同效应来描述的，影像融合的实施就是实现医学图像的协同；图像数据转换、图像数据相关、图像数据库和图像数据理解是融合的关键技术。(1)图像数据转换是对来自不同采集设备的图像信息的格式转换、三维方位调整、尺度变换等，以确保多源图像的像/体素表达同样大小的实际空间区域，确保多源图像对组织脏器在空间描述上的一致性。它是影像融合的基本。(2)影像融合首先要实现相关图像的对位，也就是点到点的一一对应。而图像分辨率越高，图像细节越多，实现对位就越困难。因而，在进行高分辨率图像(如CT图像和MRI图像)的对位时，目前借助于外标记。(3)建立图像数据库用以完成典型病例、典型图像数据的存档和管理以及信息的提取。它是融合的数据支持。(4)数据理解在于综合处理和应用各种成像设备所得信息，以获得新的有助于临床诊断的信息

之前也是为论文苦恼了半天，网上的范文和能搜到的资料，大都不全面，一般能有个正文就不错了，而且抄袭的东西肯定不行的，关键是没有数据和分析部分，我好不容易搞出来一篇，结果还过不了审。 还好后来找到文方网，直接让专业人士帮忙，效率很高，核心的部分帮我搞定了，也给了很多参考文献资料。哎，专业的事还是要找专业的人来做啊，建议有问题参考下文方网吧 下面是之前文方网王老师发给我的题目，分享给大家： 基于深度学习的无人机地面小目标算法研究 基于视觉的智能汽车面向前方车辆的运动轨迹预测技术研究 模拟射击训练弹着点检测定位技术研究 基于深度卷积神经网络的空中目标识别算法的研究 基于可见光图像的飞行器多目标识别及位置估计 无人驾驶车辆手势指令识别研究与实现 车载毫米波雷达目标检测技术研究 基于多传感融合的四足机器人建图方法 中老年人群跌倒风险评估的数据采集系统 基于深度学习的视觉SLAM闭环检测方法研究 真实图片比较视觉搜索任务的年龄效应及对策研究 室内复杂场景下的视觉SLAM系统构建与研究 基于双目内窥镜的软组织图像三维重建 学习资源画面色彩表征影响学习注意的研究 毫米波雷达与机器视觉双模探测关键技术的研究 语义地图及其关键技术研究 多重影响因素下的语音识别系统研究 基于卷积神经网络的自主空中加油识别测量技术研究 基于视觉语义的深度估计、实例分割与重建 重复视觉危险刺激——本能恐惧反应的“二态型”调控机制研究 低成本视觉下的三维物体识别与位姿估计 面向非规则目标的3D视觉引导抓取方法及系统研究 基于物体识别地理配准的跨视频行人检测定位技术研究 基于结构光的非刚体目标快速三维重建关键技术研究 基于机器视觉的动物交互行为与认知状态分析系统 关于单目视觉实时定位与建图中的优化算法研究 动态场景下无人机SLAM在智慧城市中的关键技术研究 面向视觉SLAM的联合特征匹配和跟踪算法研究 基于深度学习的显著物体检测 基于平面波的三维超声成像方法与灵长类动物脑成像应用研究 基于物体检测和地理匹配的室内融合定位技术研究 基于多模态信息融合的人体动作识别方法研究 基于视觉惯性里程计的SLAM系统研究 基于语义信息的图像/点云配准与三维重建 基于种子点选取的点云分割算法研究 基于深度学习的场景文字检测与识别方法研究 基于运动上下文信息学习的室内视频烟雾预警算法研究 基于深度学习的垃圾分类系统设计与实现 面向手机部件的目标区域检测算法的设计与实现 电路板自动光照检测系统的设计与实现 基于机器视觉的工件识别与定位系统的设计与实现 基于深度学习的物件识别定位系统的设计与实现 基于视觉四旋翼无人机编队系统设计及实现 基于视觉惯导融合的四旋翼自主导航系统设计与实现 面向城市智能汽车的认知地图车道层生成系统 基于深度学习的智能化无人机视觉系统的设计与仿真 基于知识库的视觉问答技术研究 基于深度学习的火灾视频实时智能检测研究 结构化道路车道线检测方法研究 基于机器视觉的带式输送机动态煤量计量研究 基于深度学习的小目标检测算法研究 基于三维激光与视觉信息融合的地点检索算法研究 动态环境下仿人机器人视觉定位与运动规划方法研究 瓷砖铺贴机器人瓷砖空间定位系统研究 城市街景影像中行人车辆检测实现 基于无线信号的身份识别技术研究 基于移动机器人的目标检测方法研究 基于深度学习的机器人三维环境对象感知 基于特征表示的扩展目标跟踪技术研究 基于深度学习的目标检测方法研究 基于深度学习的复杂背景下目标检测与跟踪 动态扩展目标的高精度特征定位跟踪技术研究 掩模缺陷检测仪的图像处理系统设计 复杂场景下相关滤波跟踪算法研究 基于多层级联网络的多光谱图像显著性检测研究 基于深度结构特征表示学习的视觉跟踪研究 基于深度网络的显著目标检测方法研究 基于深度学习的电气设备检测方法研究 复杂交通场景下的视频目标检测 基于多图学习的多模态图像显著性检测算法研究 基于面部视频的非接触式心率检测研究 单幅图像协同显著性检测方法研究 轻量级人脸关键点检测算法研究 基于决策树和最佳特征选择的神经网络钓鱼网站检测研究 基于深度学习的场景文本检测方法研究 RGB-D图像显著及协同显著区域检测算法研究 多模态融合的RGB-D图像显著目标检测研究 基于协同排序模型的RGBT显著性检测研究 基于最小障碍距离的视觉跟踪研究 基于协同图学习的RGB-T图像显著性检测研究 基于图学习与标签传播优化模型的图像协同显著性目标检测 姿态和遮挡鲁棒的人脸关键点检测算法研究 基于多模态和多任务学习的显著目标检测方法研究 基于深度学习的交通场景视觉显著性区域目标检测 基于生物视觉机制的视频显著目标检测算法研究 基于场景结构的视觉显著性计算方法研究 精神分裂症患者初级视觉网络的磁共振研究 基于fMRI与TMS技术研究腹侧视觉通路中结构优势效应的加工 脑机接口游戏神经可塑性研究 基于YOLOV3算法的FL-YOLO多目标检测系统 基于深度与宽度神经网络显著性检测方法研究 基于深度学习的零件识别系统设计与研究 基于对抗神经网络的图像超分辨算法研究 基于深度学习复杂场景下停车管理视觉算法的研究与实现 镍电解状态视觉检测与分析方法研究 跨界训练对提升舞者静态平衡能力的理论与方法研究 施工现场人员类型识别方法的研究与实现 基于深度学习的自然场景文字检测方法研究 基于嵌入式的交通标志识别器的设计 基于视觉感知特性与图像特征的图像质量评价

高分辨率光学显微术在生命科学中的应用【摘要】 提高光学显微镜分辨率的研究主要集中在两个方面进行，一是利用经典方法提高各种条件下的空间分辨率，如用于厚样品研究的SPIM技术，用于快速测量的SHG技术以及用于活细胞研究的MPM技术等。二是将最新的非线性技术与高数值孔径测量技术（如STED和SSIM技术）相结合。生物科学研究离不开超高分辨率显微术的技术支撑，人们迫切需要更新显微术来适应时代发展的要求。近年来研究表明，光学显微镜的分辨率已经成功突破200nm横向分辨率和400nm轴向分辨率的衍射极限。高分辨率乃至超高分辨率光学显微术的发展不仅在于技术本身的进步，而且它将会极大促进生物样品的研究，为亚细胞级和分子水平的研究提供新的手段。【关键词】 光学显微镜；高分辨率；非线性技术；纳米水平在生物学发展的历程中显微镜技术的作用至关重要，尤其是早期显微术领域的某些重要发现，直接促成了细胞生物学及其相关学科的突破性发展。对固定样品和活体样品的生物结构和过程的观察，使得光学显微镜成为绝大多数生命科学研究的必备仪器。随着生命科学的研究由整个物种发展到分子水平，显微镜的空间分辨率及鉴别精微细节的能力已经成为一个非常关键的技术问题。光学显微镜的发展史就是人类不断挑战分辨率极限的历史。在400～760nm的可见光范围内，显微镜的分辨极限大约是光波的半个波长，约为200nm，而最新取得的研究成果所能达到的极限值为20～30nm。本文主要从高分辨率三维显微术和高分辨率表面显微术两个方面，综述高分辨率光学显微镜的各种技术原理以及近年来在突破光的衍射极限方面所取得的研究进展。1 传统光学显微镜的分辨率光学显微镜图像的大小主要取决于光线的波长和显微镜物镜的有限尺寸。类似点源的物体在像空间的亮度分布称为光学系统的点扩散函数(point spread function, PSF)。因为光学系统的特点和发射光的性质决定了光学显微镜不是真正意义上的线性移不变系统，所以PSF通常在垂直于光轴的x-y平面上呈径向对称分布，但沿z光轴方向具有明显的扩展。由Rayleigh判据可知，两点间能够分辨的最小间距大约等于PSF的宽度。根据Rayleigh判据，传统光学显微镜的分辨率极限由以下公式表示[1]：横向分辨率(x-y平面)：dx，y=■轴向分辨率(沿z光轴)：dz=■可见，光学显微镜分辨率的提高受到光波波长λ和显微镜的数值孔径等因素的制约；PSF越窄，光学成像系统的分辨率就越高。为提高分辨率，可通过以下两个途径：（1）选择更短的波长；（2）为提高数值孔径, 用折射率很高的材料。Rayleigh判据是建立在传播波的假设上的，若能够探测非辐射场，就有可能突破Rayleigh判据关于衍射壁垒的限制。2 高分辨率三维显微术在提高光学显微镜分辨率的研究中，显微镜物镜的像差和色差校正具有非常重要的意义。从一般的透镜组合方式到利用光阑限制非近轴光线，从稳定消色差到复消色差再到超消色差，都明显提高了光学显微镜的成像质量。最近Kam等[2]和Booth等[3]应用自适应光学原理，在显微镜像差校正方面进行了相关研究。自适应光学系统由波前传感器、可变形透镜、计算机、控制硬件和特定的软件组成，用于连续测量显微镜系统的像差并进行自动校正。 一般可将现有的高分辨率三维显微术分为3类：共聚焦与去卷积显微术、干涉成像显微术和非线性显微术。 共聚焦显微术与去卷积显微术 解决厚的生物样品显微成像较为成熟的方法是使用共聚焦显微术(confocal microscopy) [4]和三维去卷积显微术(three-dimensional deconvolution microscopy, 3-DDM) [5]，它们都能在无需制备样品物理切片的前提下，仅利用光学切片就获得样品的三维荧光显微图像。共聚焦显微术的主要特点是，通过应用探测针孔去除非共焦平面荧光目标产生的荧光来改善图像反差。共聚焦显微镜的PSF与常规显微镜的PSF呈平方关系，分辨率的改善约为■倍。为获得满意的图像，三维共聚焦技术常需使用高强度的激发光，从而导致染料漂白，对活生物样品产生光毒性。加之结构复杂、价格昂贵，从而使应用在一定程度上受到了限制。3-DDM采用软件方式处理整个光学切片序列，与共聚焦显微镜相比，该技术采用低强度激发光，减少了光漂白和光毒性，适合对活生物样品进行较长时间的研究。利用科学级冷却型CCD传感器同时探测焦平面与邻近离焦平面的光子，具有宽的动态范围和较长的可曝光时间，提高了光学效率和图像信噪比。3-DDM拓展了传统宽场荧光显微镜的应用领域受到生命科学领域的广泛关注[6]。 选择性平面照明显微术 针对较大的活生物样品对光的吸收和散射特性，Huisken[7]等开发了选择性平面照明显微术(selective plane illumination microscopy，SPIM)。与通常需要将样品切割并固定在载玻片上的方式不同，SPIM能在一种近似自然的状态下观察2～3mm的较大活生物样品。SPIM通过柱面透镜和薄型光学窗口形成超薄层光，移动样品获得超薄层照明下切片图像，还可通过可旋转载物台对样品以不同的观察角度扫描成像，从而实现高质量的三维图像重建。因为使用超薄层光，SPIM降低了光线对活生物样品造成的损伤，使完整的样品可继续存活生长，这是目前其他光学显微术无法实现的。SPIM技术的出现为观察较大活样品的瞬间生物现象提供了合适的显微工具，对于发育生物学研究和观察细胞的三维结构具有特别意义。 结构照明技术和干涉成像 当荧光显微镜以高数值孔径的物镜对较厚生物样品成像时，采用光学切片是一种获得高分辨3D数据的理想方法，包括共聚焦显微镜、3D去卷积显微镜和Nipkow 盘显微镜等。1997年由Neil等报道的基于结构照明的显微术，是一种利用常规荧光显微镜实现光学切片的新技术，并可获得与共聚焦显微镜一样的轴向分辨率。干涉成像技术在光学显微镜方面的应用1993年最早由Lanni等提出，随着I5M、HELM和4Pi显微镜技术的应用得到了进一步发展。与常规荧光显微镜所观察的荧光相比，干涉成像技术所记录的发射荧光携带了更高分辨率的信息。（1）结构照明技术：结合了特殊设计的硬件系统与软件系统，硬件包括内含栅格结构的滑板及其控制器，软件实现对硬件系统的控制和图像计算。为产生光学切片，利用CCD采集根据栅格线的不同位置所对应的原始投影图像，通过软件计算，获得不含非在焦平面杂散荧光的清晰图像，同时图像的反差和锐利度得到了明显改善。利用结构照明的光学切片技术，解决了2D和3D荧光成像中获得光学切片的非在焦平面杂散荧光的干扰、费时的重建以及长时间的计算等问题。结构照明技术的光学切片厚度可达，轴向分辨率较常规荧光显微镜提高2倍，3D成像速度较共聚焦显微镜提高3倍。（2）4Pi 显微镜：基于干涉原理的4Pi显微镜是共聚焦/双光子显微镜技术的扩展。4Pi显微镜在标本的前、后方各设置1个具有公共焦点的物镜，通过3种方式获得高分辨率的成像：①样品由两个波前产生的干涉光照明；②探测器探测2个发射波前产生的干涉光；③照明和探测波前均为干涉光。4Pi显微镜利用激光作为共聚焦模式中的照明光源，可以给出小于100nm的空间横向分辨率，轴向分辨率比共聚焦荧光显微镜技术提高4~7倍。利用4Pi显微镜技术，能够实现活细胞的超高分辨率成像。Egner等[8，9]利用多束平行光束和1个双光子装置，观测活细胞体内的线粒体和高尔基体等细胞器的精微细节。Carl[10]首次应用4Pi显微镜对哺乳动物HEK293细胞的细胞膜上离子通道类别进行了测量。研究表明，4Pi显微镜可用于对细胞膜结构纳米级分辨率的形态学研究。（3）成像干涉显微镜(image interference microscopy, I2M)：使用2个高数值孔径的物镜以及光束分离器，收集相同焦平面上的荧光图像，并使它们在CCD平面上产生干涉。1996年Gustaffson等用这样的双物镜从两个侧面用非相干光源（如汞灯）照明样品，发明了I3M显微镜技术(incoherent, interference, illumination microscopy, I3M），并将它与I2M联合构成了I5M显微镜技术。测量过程中，通过逐层扫描共聚焦平面的样品获得一系列图像，再对数据适当去卷积，即可得到高分辨率的三维信息。I5M的分辨范围在100nm内。 非线性高分辨率显微术 非线性现象可用于检测极少量的荧光甚至是无标记物的样品。虽有的技术还处在物理实验室阶段，但与现有的三维显微镜技术融合具有极大的发展空间。（1）多光子激发显微术：(multiphoton excitation microscope，MPEM)是一种结合了共聚焦显微镜与多光子激发荧光技术的显微术，不但能够产生样品的高分辨率三维图像，而且基本解决了光漂白和光毒性问题。在多光子激发过程中，吸收几率是非线性的[11]。荧光由同时吸收的两个甚至3个光子产生，荧光强度与激发光强度的平方成比例。对于聚焦光束产生的对角锥形激光分布，只有在标本的中心多光子激发才能进行，具有固有的三维成像能力。通过吸收有害的短波激发能量，明显地降低对周围细胞和组织的损害，这一特点使得MPEM成为厚生物样品成像的有力手段。MPEM轴向分辨率高于共聚焦显微镜和3D去卷积荧光显微镜。（2）受激发射损耗显微术：Westphal[12]最近实现了Hell等在1994年前提出的受激发射损耗(stimulated emission depletion, STED）成像的有关概念。STED成像利用了荧光饱和与激发态荧光受激损耗的非线性关系。STED技术通过2个脉冲激光以确保样品中发射荧光的体积非常小。第1个激光作为激发光激发荧光分子；第2个激光照明样品，其波长可使发光物质的分子被激发后立即返回到基态，焦点光斑上那些受STED光损耗的荧光分子失去发射荧光光子的能力，而剩下的可发射荧光区被限制在小于衍射极限区域内，于是获得了一个小于衍射极限的光点。Hell等已获得了28nm的横向分辨率和33nm的轴向分辨率[12,13]，且完全分开相距62nm的2个同类的分子。近来将STED和4Pi显微镜互补性地结合，已获得最低为28nm的轴向分辨率,还首次证明了免疫荧光蛋白图像的轴向分辨率可以达到50nm[14]。（3）饱和结构照明显微术：Heintzmann等[15]提出了与STED概念相反的饱和结构照明显微镜的理论设想，最近由Gustafsson等[16]成功地进行了测试。当光强度增加时，这些体积会变得非常小，小于任何PSF的宽度。使用该技术，已经达到小于50nm的分辨率。（4）二次谐波 (second harmonic generation, SHG)成像利用超快激光脉冲与介质相互作用产生的倍频相干辐射作为图像信号来源。SHG一般为非共振过程，光子在生物样品中只发生非线性散射不被吸收，故不会产生伴随的光化学过程，可减小对生物样品的损伤。SHG成像不需要进行染色,可避免使用染料带来的光毒性。因其对活生物样品无损测量或长时间动态观察显示出独特的应用价值，越来越受到生命科学研究领域的重视[17]。3 表面高分辨率显微术表面高分辨率显微术是指一些不能用于三维测量只适用于表面二维高分辨率测量的显微技术。主要包括近场扫描光学显微术、全内反射荧光显微术、表面等离子共振显微术等。 近场扫描光学显微术 近场扫描学光显微术(near-field scanning optical microscope, NSOM)是一种具有亚波长分辨率的光学显微镜。由于光源与样品的间距接近到纳米水平，因此分辨率由光探针口径和探针与样品之间的间距决定，而与光源的波长无关。NSOM的横向分辨率小于100nm，Lewis[18]则通过控制在一定针尖振动频率上采样，获得了小于10nm的分辨率。NSOM具有非常高的图像信噪比，能够进行每秒100帧图像的快速测量[19]，NSOM已经在细胞膜上单个荧光团成像和波谱分析中获得应用。 全内反射荧光显微术 绿色荧光蛋白及其衍生物被发现后，全内反射荧光(total internal reflection fluorescence，TIRF)技术获得了更多的重视和应用。TIRF采用特有的样品光学照明装置可提供高轴向分辨率。当样品附着在离棱镜很近的盖玻片上，伴随着全内反射现象的出现，避免了光对生物样品的直接照明。但因为波动效应，有小部分的能量仍然会穿过玻片与液体介质的界面而照明样品，这些光线的亮度足以在近玻片约100nm的薄层形成1个光的隐失区，并且激发这一浅层内的荧光分子[20]。激发的荧光由物镜获取从而得到接近100nm的高轴向分辨率。TIRF近来与干涉照明技术结合应用在分子马达步态的动力学研究领域, 分辨率达到8nm，时间分辨率达到100μs[21]。 表面等离子共振 表面等离子共振(surface plasmon resonance, SPR) [22]是一种物理光学现象。当入射角以临界角入射到两种不同透明介质的界面时将发生全反射，且反射光强度在各个角度上都应相同，但若在介质表面镀上一层金属薄膜后，由于入射光被耦合入表面等离子体内可引起电子发生共振，从而导致反射光在一定角度内大大减弱，其中使反射光完全消失的角度称为共振角。共振角会随金属薄膜表面流过的液相的折射率而改变，折射率的改变又与结合在金属表面的生物分子质量成正比。表面折射率的细微变化可以通过测量涂层表面折射光线强度的改变而获得。1992年Fagerstan等用于生物特异相互作用分析以来，SPR技术在DNA-DNA生物特异相互作用分析检测、微生物细胞的监测、蛋白质折叠机制的研究，以及细菌毒素对糖脂受体亲和力和特异性的定量分析等方面已获得应用[23]。当SPR信息通过纳米级孔道[24]传递而提供一种卓越的光学性能时，将SPR技术与纳米结构设备相结合，该技术的深入研究将有可能发展出一种全新的成像原理显微镜。【参考文献】[1] 汤乐民,丁 斐.生物科学图像处理与分析[M].北京:科学出版社,2005：205.[2] Kam Z, Hanser B, Gustafsson MGL, et adaptive optics for live three-dimensional biological imaging[J]. Proc Natl Acad Sci USA,2001,98:3790-3795.[3] Booth MJ, Neil MAA, Juskaitis R, et al. Adaptive aberration correction in a confocal microscope[J]. Proc Natl Acad Sci USA，2002, 99:5788-5792.[4] Goldman RD,Spector cell imaging a laboratory manual[J].Gold Spring Harbor Laboratory Press,2005.[5] Monvel JB,Scarfone E,Calvez SL,et deconvolution for three-dimensional deep biological imaging[J].Biophys,2003,85:3991-4001.[6] 李栋栋,郭学彬,瞿安连.以三维荧光反卷