matlab代码实现psf的本土化

psf的matlab代码本土化 这是通过在Matlab（Matconvnet）和Python（Keras和TensorFlow）上进行深度学习而实现的三维本地化显微镜的实现。 该模型基于深度卷积神经网络（CNN），可从常规宽视野荧光显微镜捕获的单个2D图像中检索荧光团的3D位置。 具有挑战性的3D定位通过两个级联的CNN转换为多标签分类问题。 该存储库包括： 珠子/细胞/颗粒定位培训和测试的源代码。 模拟训练数据集的源代码。 斑马鱼血液移动的数据集通过宽视野荧光显微镜收集，用于细胞定位/跟踪。 在模拟/收集的数据集上进行训练和测试的示例。 该代码已记录并设计为易于扩展。 如果您在研究中使用它，请考虑引用该存储库（下面的bibtex）。 入门 斑马鱼或系统PSF的数据集可从Google云端硬盘获取。 对于Python 3.5.5用户，请同时安装和。 对于Matlab用户，请安装。 训练级联的CNN train_network_A.py(.m)提供了一个训练第一个CNN（横向检测CNN）以确定每个贴片的中心横向位置是否存在衍射图样的示例。 train_network_B.py(.m)提供了