我知道编辑这个网站吗？

国家工业协会

DOI

NIA（神经推理助手） 是一款早期的、人工智能驱动的去噪插件，可以为 ImageJ/Fiji 引入深度学习，而无需担心配置问题。

由博士开发。中国科学院脑科学与智能技术卓越中心（CEBSIT）的王奎表示，NIA 基于嵌入式 ONNX Runtime 构建。它允许生物学家直接在 Java 中运行高级去噪声模型，无需外部 Python 环境、Conda 或复杂的 CUDA 设置。

作者：Kui Wang，CEBSIT，CAS。如有疑问，请使用 image.sc 上的 GitHub Issues 或标签 @Epivitae。

主要特点

  • 零配置：在斐济本地运行。无需安装Python，无需Conda环境，也无需专用GPU设置。
  • 经过验证的架构：配备专门针对荧光工作站进行调整的内置优化DnCNN模型（基于Zhang等人，2017年）。
  • 可扩展：支持以标准§§§8训练§§§格式加载自定义用户模型。
  • 5D Hyperstack支持：通过自动迭代逻辑无缝处理复杂的数据集（X、Y、通道、Z切片和延迟）。
  • 智能标准化：自动检测位深度（8/16/32位）并应用一致的标准化以防止延迟视频中出现“闪烁”伪影。

安装与更新

NIA通过生物传感器工具斐济更新站点分配。

1.打开斐济/ImageJ。

  1. 导航至 帮助 › 更新… 3.点击“管理更新站点”。
  2. 从列表中选中生物传感器工具。 5.点击“应用并关闭”，然后重新启动Fiji。

If the site is missing from the list, you can add it manually:
Name: Biosensor Tools
URL: https://sites.imagej.net/Biosensor-Tools/

使用指南

  1. 打开图像：加载斐济的噪声图像或堆栈。
  2. 启动：转到Plugins › Biosensor Tools › NIA Denoise (AI)。
  3. 选择型号：
    • Built-in (DnCNN): Recommended for general fluorescence microscopy (confocal/widefield).
    • Custom ONNX: Select this to load your own .onnx model file.
  4. 运行：点击开始去噪。该插件将处理堆栈并输出一个新的去噪。

引文和参考文献

如果您在研究中使用NIA，请引用该软件DOI：

Wang, K. (2026). NIA Denoise：适用于 ImageJ/Fiji 的用户友好型 AI 去噪插件 (v1.0.0)。 泽诺多。 https://doi.org/10.5281/zenodo.18244343

###方法参考 内置模型依赖于DnCNN架构。另请相关原始方法：

Zhang, K.、Zuo, W.、Chen, Y.、Meng, D. 和Zhang, L. (2017)。超越高斯缺失器：用于图像缺失的深度CNN残差学习。IEEE图像处理汇刊，26(7), 3142–3155。

由 Kui Wang 开发 © 2026。生物传感器工具套件的一部分。