本文選題：超分辨定位成像 + 熒光分子定位�。� 參考：《華中科技大學(xué)》2014年博士論文

【摘要】：超分辨定位成像技術(shù)可實(shí)現(xiàn)高達(dá)20nm的空間分辨率,可以從分子水平研究細(xì)胞內(nèi)的復(fù)雜工作機(jī)制,已經(jīng)逐漸成為生命科學(xué)研究領(lǐng)域里必不可少的研究工具,但其缺點(diǎn)是成像速度較慢(通常是分鐘量級(jí))。因此,近年來人們致力于研究快速成像探測技術(shù)以及高密度分子定位技術(shù),希望在不犧牲成像視場和空間分辨率的條件下,提高超分辨定位成像的時(shí)間分辨率。但是,快速成像探測技術(shù)會(huì)產(chǎn)生巨大的數(shù)據(jù)流和海量的數(shù)據(jù),對(duì)數(shù)據(jù)傳輸、數(shù)據(jù)存儲(chǔ)以及數(shù)據(jù)分析都形成了很大的挑戰(zhàn)。同時(shí),高密度分子定位技術(shù)需要使用復(fù)雜的分析模型,極大地加重了數(shù)據(jù)分析的負(fù)擔(dān)。本文將針對(duì)以上問題,從高效的數(shù)據(jù)處理算法和先進(jìn)的計(jì)算架構(gòu)兩條途徑著手解決超分辨定位成像中的快速數(shù)據(jù)處理問題。主要工作包括： (1)快速稀疏分子定位方法。利用光學(xué)成像系統(tǒng)點(diǎn)擴(kuò)散函數(shù)的輻射對(duì)稱性,開發(fā)了快速、高精度的稀疏分子定位算法MrSE。仿真和實(shí)驗(yàn)結(jié)果表明,MrSE算法的定位精度可以接近理論極限,而定位速度比傳統(tǒng)高精度算法快1000多倍。通過優(yōu)化基于MrSE算法的數(shù)據(jù)分析流程,并結(jié)合GPU并行處理架構(gòu),實(shí)現(xiàn)了整個(gè)數(shù)據(jù)分析過程的GPU并行化處理,使數(shù)據(jù)處理速度提高到650Mpix/s,滿足了快速探測對(duì)數(shù)據(jù)實(shí)時(shí)處理的需求。 (2)高效數(shù)據(jù)削減方法。利用超分辨定位成像中分子的稀疏性,開發(fā)了一種高效的數(shù)據(jù)削減算法。仿真和實(shí)驗(yàn)結(jié)果表明,在常規(guī)的稀疏分子定位成像中,此算法可以在不影響超分辨重建質(zhì)量的同時(shí),將數(shù)據(jù)量削減約20倍。進(jìn)一步將此算法與探測器中的FPGA嵌入式計(jì)算平臺(tái)相結(jié)合,實(shí)現(xiàn)了高達(dá)532Mpix/s的嵌入式數(shù)據(jù)削減,顯著降低了快速探測帶來的數(shù)據(jù)傳輸和數(shù)據(jù)存儲(chǔ)的壓力。 (3)快速高密度分子定位方法。通過對(duì)高密度分子圖像進(jìn)行去重疊,開發(fā)了可以對(duì)重疊分子進(jìn)行精確定位的快速高密度定位算法。仿真和實(shí)驗(yàn)結(jié)果表明,該算法可以顯著提高超分辨定位成像技術(shù)的空間分辨率與時(shí)間分辨率,其效果與傳統(tǒng)高密度分子定位算法DAOSTORM相近,但算法復(fù)雜度卻降低了兩個(gè)數(shù)量級(jí)�；诖怂惴�,進(jìn)一步開發(fā)了專用的硬件處理器POWERs。POWERs可以獨(dú)立完成數(shù)據(jù)處理任務(wù),緩解了計(jì)算機(jī)系統(tǒng)的壓力。其數(shù)據(jù)處理速度可達(dá)200Mpix/s,滿足了常規(guī)高密度分子定位成像對(duì)數(shù)據(jù)在線處理的需求。 本文利用超分辨定位成像技術(shù)所具有的特征,發(fā)展了一系列高效的數(shù)據(jù)處理方法,通過進(jìn)一步結(jié)合先進(jìn)的計(jì)算架構(gòu),解決了超分辨定位成像中的快速數(shù)據(jù)分析、數(shù)據(jù)傳輸以及數(shù)據(jù)存儲(chǔ)的問題,對(duì)快速成像探測以及高密度分子定位技術(shù)的應(yīng)用與推廣具有積極意義。
[Abstract]:Super-resolution localization imaging technology can achieve spatial resolution of up to 20nm, and can study the complex working mechanism of cells from the molecular level. It has gradually become an indispensable research tool in the field of life science research.But the drawback is that the imaging speed is slow (usually the order of minutes).Therefore, in recent years, people have been devoted to the research of rapid imaging detection technology and high-density molecular positioning technology, hoping to improve the time resolution of super-resolution localization imaging without sacrificing the imaging field of view and spatial resolution.However, rapid imaging detection technology will produce huge data flow and huge amount of data, which poses a great challenge to data transmission, data storage and data analysis.At the same time, the high density molecular localization technology requires the use of complex analytical models, which greatly increases the burden of data analysis.Aiming at the above problems, this paper will solve the problem of fast data processing in super-resolution localization imaging from two ways: efficient data processing algorithm and advanced computing architecture.The main tasks include:1) a fast sparse molecular localization method.Based on the radiative symmetry of the point diffusion function of the optical imaging system, a fast and high precision sparse molecular localization algorithm, MrSE, is developed.The simulation and experimental results show that the accuracy of Mr SE algorithm is close to the theoretical limit, and the localization speed is more than 1000 times faster than that of the traditional high precision algorithm.By optimizing the data analysis flow based on MrSE algorithm and combining with the GPU parallel processing architecture, the GPU parallelization of the whole data analysis process is realized. The speed of data processing is increased to 650 Mpixel / s, which meets the demand of fast detection for real-time data processing.2) efficient data reduction method.An efficient data reduction algorithm is developed based on the molecular sparsity in super-resolution localization imaging.Simulation and experimental results show that the proposed algorithm can reduce the amount of data by about 20 times without affecting the quality of super-resolution reconstruction in conventional sparse molecular localization imaging.Furthermore, the algorithm is combined with the FPGA embedded computing platform in the detector to realize the embedded data reduction up to 532Mpix/s, which reduces the pressure of data transmission and data storage brought by the fast detection.Rapid high density molecular localization method.A fast high density localization algorithm is developed by deduplication of high density molecular images.Simulation and experimental results show that the proposed algorithm can significantly improve the spatial and temporal resolution of the super-resolution localization imaging technology, and its effect is similar to that of the traditional high-density molecular localization algorithm (DAOSTORM), but the complexity of the algorithm is reduced by two orders of magnitude.Based on this algorithm, a special hardware processor, POWERs.POWERs, is further developed to accomplish data processing independently and relieve the pressure of computer system.Its data processing speed can reach 200Mpixel / s, which meets the requirement of conventional high-density molecular positioning imaging for data on-line processing.In this paper, a series of efficient data processing methods are developed based on the characteristics of super-resolution localization imaging technology. By further combining with advanced computing architecture, the fast data analysis in super-resolution positioning imaging is solved.The problems of data transmission and data storage are of great significance to the application and popularization of fast imaging detection and high density molecular localization technology.
【學(xué)位授予單位】：華中科技大學(xué)
【學(xué)位級(jí)別】：博士
【學(xué)位授予年份】：2014
【分類號(hào)】：R310

【共引文獻(xiàn)】

相關(guān)期刊論文 前10條

1 陳闊;馮華君;徐之海;李奇;陳躍庭;;亞像素精度的行星中心定位算法[J];光學(xué)精密工程;2013年07期

2 劉宏義;楊明;肖瑜;;基于可編程圖形硬件的音頻信號(hào)處理技術(shù)[J];電子科技;2013年10期

3 王同舟;謝麗萍;Haley Huang;黎新;汪汝亮;楊光;杜亞楠;黃國亮;;Label-free biomolecular imaging using scanning spectral interferometry[J];Chinese Optics Letters;2013年11期

4 賈思思;梁樂;鄧素輝;侯尚國;柳華杰;黃慶;樊春海;;亞細(xì)胞結(jié)構(gòu)的超高分辨成像研究[J];輻射研究與輻射工藝學(xué)報(bào);2014年04期

5 何明華;;計(jì)算機(jī)技術(shù)在圖形圖像處理中的應(yīng)用研究[J];計(jì)算機(jī)光盤軟件與應(yīng)用;2014年09期

6 邢晶晶;劉海嬌;范路生;宋凱;陳彤;林金星;;植物細(xì)胞胞吞途徑及其研究方法[J];電子顯微學(xué)報(bào);2014年05期

7 李璋;杜慧敏;王涌鋼;;字符串匹配算法的實(shí)現(xiàn):CPU vs.GPU vs.FPGA[J];電子科技;2014年12期

8 吳粉俠;李紅;;基于邊緣強(qiáng)度匹配的圖像融合并行算法的研究[J];電子設(shè)計(jì)工程;2014年23期

9 巨濤;朱正東;董小社;;異構(gòu)眾核系統(tǒng)及其編程模型與性能優(yōu)化技術(shù)研究綜述[J];電子學(xué)報(bào);2015年01期

10 孫育杰;陳軒澤;;淺談2014年諾貝爾化學(xué)獎(jiǎng):超高分辨率熒光顯微成像[J];大學(xué)化學(xué);2015年01期

相關(guān)博士學(xué)位論文 前10條

1 石發(fā)展;基于金剛石室溫固態(tài)單自旋體系的微觀磁共振實(shí)驗(yàn)研究[D];中國科學(xué)技術(shù)大學(xué);2013年

2 常浩;新型超分辨熒光探針和定位算法的開發(fā)[D];中國科學(xué)技術(shù)大學(xué);2013年

3 章永登;三維超分辨率顯微成像系統(tǒng)、定位算法以及熒光蛋白的開發(fā)[D];華中科技大學(xué);2013年

4 伍賢軍;藍(lán)藻色素蛋白的生物合成及應(yīng)用研究[D];華中科技大學(xué);2013年

5 陳建玲;結(jié)構(gòu)光照明超分辨微分干涉相襯顯微成像技術(shù)[D];華中科技大學(xué);2013年

6 魏琳;功能金納米材料的合成、應(yīng)用及光學(xué)顯微成像技術(shù)的開發(fā)[D];湖南大學(xué);2013年

7 陶亮;納米粒子免疫傳感器及其在癌細(xì)胞早期檢測和免疫分析中的應(yīng)用[D];陜西師范大學(xué);2013年

8 朱宏宇;大視場超分辨定位顯微成像方法研究[D];華中科技大學(xué);2013年

9 文翼平;動(dòng)物細(xì)胞PNC結(jié)構(gòu)中新發(fā)現(xiàn)的RNA-蛋白質(zhì)間的多種相互作用[D];四川農(nóng)業(yè)大學(xué);2013年

10 甘新標(biāo);面向眾核GPU的編程模型及編譯優(yōu)化關(guān)鍵技術(shù)研究[D];國防科學(xué)技術(shù)大學(xué);2012年

相關(guān)碩士學(xué)位論文 前10條

1 劉荷葦;基于CUDA編程的神經(jīng)網(wǎng)絡(luò)手寫數(shù)字識(shí)別[D];西南交通大學(xué);2013年

2 凡保磊;卷積神經(jīng)網(wǎng)絡(luò)的并行化研究[D];鄭州大學(xué);2013年

3 魏愛娟;紙病在線檢測方法的研究[D];陜西科技大學(xué);2013年

4 許明國;基于機(jī)器視覺的藥液中可見異物檢測技術(shù)的研究[D];長沙理工大學(xué);2013年

5 李安平;基于CUDA的并行圖像處理問題研究[D];西安電子科技大學(xué);2013年

6 張學(xué)蘭;基于機(jī)器視覺的紙病圖像分析[D];華南理工大學(xué);2013年

7 郭旭;紙張表面缺陷檢測系統(tǒng)上位機(jī)軟件開發(fā)[D];哈爾濱工業(yè)大學(xué);2013年

8 梁廣宇;面向雷達(dá)信號(hào)處理的多核FFT算法研究[D];哈爾濱工業(yè)大學(xué);2013年

9 徐元旭;SIMT線程調(diào)度模型分析及優(yōu)化[D];哈爾濱工業(yè)大學(xué);2013年

10 豆丹丹;基于機(jī)器視覺的紙病檢測算法研究[D];齊魯工業(yè)大學(xué);2013年

，

本文編號(hào)：1771689