一种基于深度学习的目标感知高速成像方法

本发明公开了一种基于深度学习的目标感知高速成像方法，包括：a)双光子显微成像数据采集；b)目标区域内神经元分割及活动信息提取：开发基于深度学习的目标感知模型，经过“滤波增强‑U型网络‑参数优化”三阶段处理，得到二值矩阵，将其与高图像质量图像数据相乘，获取分割结果；c)搭建深度学习网络进行训练；d)应用已训练网络对目标神经元进行高速成像。本发明克服了传统图像分割技术存在数据处理损失率与定位偏差问题，解决了因采样数据量减少造成的重建时间长等问题，无需对光学成像设备的硬件部分进行改造，显著降低经济成本并增强其在各大领域内的普及潜力，实现了目标神经元活动高速重建，还原目标神经元发放的动态变化细节信息。