环境:C++、Python
软件介绍:为了对 DNA机器人形态进行研究,研究人员利用原子力显微镜拍摄出机器人的AFM图像。由于AFM图像多噪声及被观察的DNA机器人大规模重叠,所以需要对DNA纳米机器人进行分类和识别。AFM图像中的DNA机器人包含三种不同的DNA形态:平行、反平行和交叉。因为它们是由DNA大分子制成的,并且是在液体中拍摄的,因此,识别任务的困难之一就是AFM图像中这些纳米机器人的形状多样且灵活。尽管纳米结构科学和技术在许多领域得到了迅速发展,但由于成本高昂,仍然难以获得足够的纳米物体样本,从而阻碍了材料领域深度学习方法的发展。基于以上情况,设计了一个基于迁移学习和卷积神经网络的DNA机器人识别软件。
AFM图像中DNA机器人的识别软件采用迁移学习技术研究AFM图像中的纳米物体,取代人工识别AFM图像,省时省力、精确度高,符合实际应用需求。软件向用户提供精度高、品质好、再现性强以及灵活性高的DNA机器人识别功能,提高科研人员对AFM图像研究的效率,降低研究成本。AFM图像中DNA机器人的识别软件,解决了AFM图像处理中的小样本问题。该软件可以应用在材料学中,对AFM图像中纳米物体的研究有着重要的推动作用。该软件由刘宇虹同学负责。
图2:液体中微纳米物体形状分割的的结果
几乎所有的AFM图像都包含大量的噪声,主要噪声类型包括:白斑、水印、小噪声点和条纹噪声。噪声阻碍了纳米结构形状的提取,增加了处理AFM图像的复杂性,因此,首先要消除噪声。之前AFM图像预处理工作中采用3*3的邻域求平均值、再阈值判断白点。但是,处理结果不是很完善,特别是一些与真实DNA目标粘连的白点噪声无法完全去除。该软件基于LoG检测的方法,消除AFM图像中的噪声,图3为消除后的效果。AFM图像中DNA机器人的噪声去除软件,可以应用在材料学中,对AFM图像中纳米物体的研究有着重要的推动作用。
图3:去噪后的效果
软件开源网址:
https://github.com/han-yuexing/Image-Analysis-of-Atomic-Force-Microscope-on-Material-Surface-Based-on-Deep-Learning-Method
(代码源自我们已经发表的文章。如果您在研究中使用了该软件,请引用参考文献如下:Han, Y., Liu, Y., Wang, B. et al. A novel transfer learning for recognition of overlapping nano object. Neural Comput & Applic 34, 5729–5741 (2022).)