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

开源 🏷️完全免费 🔧 仅开源项目，无在线服务，需自行部署图像生成 🍴 复刻 14 🐛 待处理 2 👀 关注 1

GitHub ↗

GitHub 星标 ★ 58

维护状态低维护

是否开源开源

定价模式 🏷️完全免费开源项目，无在线服务，需自行部署，完全免费。

项目预览

mSRGAN-A-GAN-for-single-image-super-resolution-on-high-content-screening-microscopy-images 项目界面预览图 — 图片来源：GitHub 官方仓库名片

项目数据

分类图像生成

开发团队Saurabh23

GitHubhttps://github.com/Saurabh23/mSRGAN-A-GAN-for-single-image-super-resolution-on-high-content-screening-microscopy-images.

定价模式🏷️完全免费

价格说明开源项目，无在线服务，需自行部署，完全免费。

访问状态🔧 仅开源项目，无在线服务，需自行部署

是否开源是

主要语言Jupyter Notebook

技术栈/模型computer-vision,convolutional-neural-networks,deep-learning,gan,generative-adversarial-networks,high-content-screening,image-generation,image-reconstruction,microscopy-images,perceptual-losses,srgan,super-resolution,vgg19

GitHub 星标★ 58

上线时间2017-06-21 00:00:00

代码更新2018-01-20

仓库体积7.5 MB

本站数据更新2026-11-09

维护状态低维护

收录时间2026-08-09

浏览次数4

项目介绍

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。