论文解读：含可靠置信度的视频超分辨显微成像（频域卷积+贝叶斯深度学习）超分辨率 (SR) 神经网络将低分辨率光学显微镜图像转换为 SR 图像。单图像 SR (SISR) 方法在长期成像中的应用并未利用相邻帧之间的时间依赖性，并且受到难以量化的推理不确定性的影响。本文设计了一个可变形相空间对齐 (DPA) 延时图像 SR (TISR) 神经网络，构建了大规模荧光显微镜数据集，用于评估神经网络模型的传播和对齐组件。DPA-TISR 自适应地增强了相位域中的跨帧对齐，并且优于现有的最先进的 SISR 和 TISR 模型。本文还开发了贝叶斯 DPA-TISR 并设计了一个预期校准误