mSRGAN-A-GAN-for-single-image-super-resolution-on-high-content-screening-microscopy-images

用GAN把模糊显微图变清晰，助力药物筛选分析

mSRGAN 是一个面向高内涵筛选（HCS）显微图像的单图像超分辨率生成对抗网络（GAN）项目。它解决的是在药物筛选等生物医学场景中，显微图像因高倍率或快速采集导致分辨率不足的问题，旨在通过深度学习将低分辨率显微图像重建为高分辨率，同时保留关键的细胞结构和亚细胞细节。项目基于 GAN 架构，结合卷积神经网络，针对高内涵筛选图像的特定噪声和纹理特征进行了优化，能够有效提升图像质量，辅助后续的细胞表型分析、定量测量和药物响应评估。核心能力包括：端到端的超分辨率重建、针对显微图像的定制化损失函数、以及支持批量处理筛选数据。项目以 Jupyter Notebook 形式提供，便于研究人员复现和调整。