Solving the inverse problem of microscopy deconvolution with a residual Beylkin-Coifman-Rokhlin neural network
利用残差Beylkin-Coifman-Rokhlin神经网络求解显微成像反问题
机构 * Center for Advanced Systems Understanding (CASUS)（先进系统理解中心） ； Helmholtz-Zentrum Dresden-Rossendorf e. V. (HZDR)（德累斯顿-罗斯托克研究所） ； Max Delbrück Center for Molecular Medicine in the Helmholtz Association（马克斯·德尔布吕克分子医学研究中心） ； Institute of Medical Physics and Biophysics, Charite-Universitätsmedizin（医学物理与生物物理研究所） ； Institute of Computer Science, University of Wrocław（沃林福大学计算机科学研究所）
AI总结 本文提出一种基于物理约束的残差Beylkin-Coifman-Rokhlin神经网络，用于显微成像反问题，通过减少冗余参数提升效率和性能。
Comments 17 pages, 8 figures
Journal ref 2024. In European Conference on Computer Vision (pp. 378-395). Cham: Springer Nature Switzerland
