基于涨落的荧光超分辨率的流匹配方法

基于涨落的超分辨技术是单分子显微和结构光照明显微的一种有吸引力的替代方案，因为它们能适应标准采集设置，并利用荧光团在一系列帧中的独立随机涨落。然而，现有的大多数方法缺乏对采集过程的显式建模，且仅提供相对强度估计，限制了定量分析。在本工作中，我们将基于模型的方法与生成式方法相结合，以利用序列中的全部随机信息，提出了一个基于流匹配（flow matching）和双泊松前向模型的重建框架，该模型考虑了闪烁、模糊、欠采样和噪声。该方法交替进行两个步骤：首先由流匹配模型学习采集数据的分布；然后，通过正则化近端梯度步骤最小化观测分布与模拟分布之间的 Kullback-Leibler 散度，联合估计样本和背景。在模拟数据和真实的 Argolight 数据上，该方法能够分辨相距 120 nm 的线条，性能优于 SACD 和 eSRRF。

中文由 AI 翻译，仅供参考，以原文为准。