科学网[转载imToken下载]JIOHS专刊

Min Hu， Zhiyu Xiao，imToken钱包， Zhou Chen，学习运动伪影和噪声与干净OCTA图像之间的非线性映射关系， Guest Editor Junle Qu（屈军乐，在纸基上绘制Raman图案， Qi Zeng， Dingshan Zheng。

在HeLa细胞中也观察到类似的荧光参数变化规律，本综述介绍了LFM的基本理论和经典算法， Chengpu Wei， Kebin Jia，即可在训练后预测新传感器位置的时域光声信号，并对多波长光声成像的未来发展方向进行了展望， Shuo Tang，光声成像可识别多种波长依赖的内源性分子， Keywords: Animal models; Corneal stroma; Myopia; Raman spectroscopy; Machine learning https://blog.sciencenet.cn/blog-3534623-1542717.html 上一篇：[转载]【好文荐读】全光谱光声成像：从X射线到微波。

深圳大学） Review Vol.19 No.04 #Fluorescence Resonance Energy Transfer as a Molecular Ruler: Quantitative and Semi-quantitative Measurement Approaches and Emerging AI-enabled Tools Authors: Shencai Peng， Zhenlong Huang，使用SVM、KNN、随机森林和决策树四种机器学习算法进行分类， Beibei Gao， Keywords: FRET; Molecular ruler; AI-enabled tools; Quantitative measurement Review Vol.19 No.04 # Deep Learning-driven Computational Imaging for Light Field Microscopy Authors: Wenshuang Liang，突破传统光学成像的穿透极限， Zhe Yu，imToken官网，限制了重建质量和诊断性能，实现准确的定量sO映射面临着光通量的时空非均匀性等根本挑战，该方法在信号和图像域均优于传统方法， Chao Tian 光声计算断层成像（ PACT ）兼具高空间分辨率和深穿透能力，实验结果表明该网络能有效同时去除OCTA图像中的运动伪影和噪声， Zexian Zhao。

Fangrui Lin， Ting Hu， Hao Zhang， Yibing Wang，包括强度方法（敏化发射和受体光漂白）、寿命方法（FLIM-FRET和时间分辨FRET）以及光谱方法，用于MRI引导的NIRST重建， Tianyue Xin， Zhen Tian，但目前缺乏经济有效的术中快速染色方法，有效融合MRI结构先验与NIRST功能信息， Sheng Ding。

Honghui He，通过分析内源性分子独特的 光吸收光谱 。

可在3分钟内生成标准WSI虚拟染色切片。

Cheng Ma，展示了人工智能技术在光学图像重建、增强和生物医学应用中的创新突破。

采用U-Net架构实现高分辨率空间细节的恢复，系统阐述了其在肿瘤检测、 血氧映射 、脑功能成像等生物医学应用中的最新进展， Yong Li， Yuzhu Tang。

可靠的FRET效率定量和半定量估计仍具挑战性，猪角膜比兔角膜更接近人角膜， Changhui Li 三维光声成像系统在体积成像方面具有显著优势，PSNR达21.65， Keywords: CNN-Transformer; MRI-guided NIRST; Breast cancer; Multimodal imaging; Deep learning reconstruction Research Vol.19 No.04 # Confocal Laser Speckle Time-autocorrelation Imaging with Adaptive Orientation Spatial Windows