反卷积参数控制算法行为，不属于显微参数，而是调优参数。

建议：对于转盘共聚焦，多数情况下使用理论 PSF 即可获得优秀的结果。如果追求极致精度且 RI 匹配良好，可使用 PSF Distiller 从 bead 图像中提取实测 PSF。

CMLE — Classic Maximum Likelihood Estimation（经典最大似然估计）

 • 原理：迭代优化似然函数，使用 I-divergence（Csiszár 信息散度 / Kullback-Leibler 距离）作为质量准则，假设光子噪声服从泊松分布

 • 优势：精度最高，最适合低 SNR 图像

 • 劣势：速度较慢

 • GPU 加速：✅ 支持

✅ 详见: svi.nl/MaximumLikelihoodEstimation

GMLE — Good's Roughness Maximum Likelihood Estimation

 • 原理：在 MLE 基础上加入 Good 粗糙度惩罚项，改善对极高噪声图像的处理

 • 优势：对高噪声图像效果好；所需迭代次数比 CMLE 少 4 倍

 • 劣势：内存占用显著高于 CMLE 和 QMLE（大数据时可能成为瓶颈）

 • GPU 加速：✅ 支持

 • 版本要求：Huygens 14.10+

✅ 详见: svi.nl/GoodRoughnessMaximumLikelihoodEstimation

QMLE — Quick Maximum Likelihood Estimation

 • 原理：CMLE 的快速近似版本

 • 优势：比 CMLE 快约 5 倍（10 次 QMLE ≈ 50 次 CMLE）

 • 劣势：低 SNR 数据效果不如 CMLE

 • 最佳场景：高质量宽场图像和 3D 时间序列等计算密集型任务

 • 经验法则：当 SNR > 60 时，CMLE 最终会收敛到与 QMLE 相同的结果，但需更多迭代

✅ 详见: svi.nl/QuickMaximumLikelihoodEstimation

转盘共聚焦算法推荐

✅ 详见: svi.nl/Deconvolution-Algorithms（推荐矩阵）

定义

在 Huygens 中，SNR 定义为图像最亮部分的光子数的平方根：

SNR = √P

其中 P 为图像最亮部分的光子数（基于泊松分布假设：误差 σ = √P，故 SNR = P/σ = √P）。

如果已知检测器转换因子 c（系统增益），则可直接从图像强度计算：

SNR = √(i_max × c)

其中 i_max 为最亮体素的强度值，c 为转换因子（单位：ADU⁻¹）。

✅ 详见: svi.nl/Signal-to-Noise-Ratio

⚠ SNR ≠ 背景！

噪声（Noise）不等于背景信号（Background）。SNR 不是信号除以背景（那是信背比 Signal-to-Background Ratio, SBR）。噪声描述的是真实信号周围的统计涨落，而背景是近似恒定的附加信号。

两者在 Huygens 中的处理方式也不同：SNR 在反卷积过程中使用，背景在反卷积结束后减除。

✅ 详见: svi.nl/Signal-to-Noise-Ratio（"SNR is not background!"）

噪声来源简述

✅ 详见: svi.nl/Signal-to-Noise-Ratio

经验 SNR 参考值（SVI 官方）

📝 转盘共聚焦注意：由于每个点的曝光时间短于点扫描共聚焦，转盘共聚焦图像的 SNR 通常偏低，多

数落在 5–20 范围内。

✅ 详见: svi.nl/Signal-to-Noise-Ratio

手动估算 SNR（高噪声图像）

1. 在 Slicer 中打开图像，设为 "slice" 模式

2. 放大到暗区域，查看单个像素

3. 找到单光子击中的强度值 i_single（暗区域中反复出现的最低非零值）

4. 查看图像最大像素值 i_max

5. 减去黑电平（如果 > 0）

6. 计算：SNR = √(i_max / i_single)

📝 此方法通常会低估 SNR。

Huygens 自动 SNR 估计

Huygens 会自动估计 SNR 并给出可靠性评分（poor / mediocre / good / very good）。此评分衡量的是估计的准确性，不是 SNR 的高低。如果可靠性为 poor，建议手动确定 SNR。

调优建议：不要为了调节结果锐度而修改 SNR——SNR 是图像的固有属性。请使用 Acuity 参数调节锐度。

版本要求：Huygens 21.10.1p0 及以上版本

Acuity 将"锐度调节"与"SNR 估计"解耦：

• SNR 保持为 Huygens 自动估计的真实值（图像的固有常数）

• 通过 Acuity 滑块调节结果锐度：向右更锐利，向左更平滑

• 每个通道和每个图像可独立设置

✅ 详见: svi.nl/Acuity（"Since Huygens version 21.10.1p0, the acuity parameter is available in all deconvolution tools"）

停止准则：Huygens 使用质量变化阈值（Quality Change Threshold）自动停止。当连续迭代间质量改善低于阈值（如 0.01）时停止。建议使用此自动停止准则。

✅ 详见:svi.nl/GoodRoughnessMaximumLikelihoodEstimation;svi.nl/QuickMaximumLikelihoodEstimation

💡 实用建议：对于批量处理（图像系列），推荐使用百分比（相对值）进行背景微调，以确保一致的背景校正。

背景在反卷积结束后被减除，与 SNR（在反卷积过程中使用）不同。

✅ 详见: svi.nl/BackGround

下期继续！！！！！