项目名称：深度学习分析单分子动力学图像数据

摘要：本研究计划采用能够找到数据中的系统规律的深度学习方法，优化并应用多个深度神经网络模型，以解决单分子液相电镜 (LP-TEM) 时序图像处理中图像信息量大、图像信噪比低、图像质量不一、相邻帧间存在漂移、时序信息挖掘不充分等问题，随后将其扩展到单分子荧光、原子力显微镜和扫描隧道显微镜等其他单分子动力学成像领域，以构建一套通用的单分子成像数据自动化智能分析平台。该平台将有助于更系统、全面、定量、自动化地解释大分子构象转变在其聚合或解离过程中的作用，以及构象行为与反应机理及动力学之间的关系。这一研究将为深入理解复杂介观体系的动态本质提供重要工具，有望推动单分子动力学成像领域的发展，从而深化我们对生命科学和高分子科学的认识。