論文の概要: Fast reconstruction of atomic-scale STEM-EELS images from sparse sampling

• arxiv url: http://arxiv.org/abs/2002.01225v1
• Date: Tue, 4 Feb 2020 11:07:56 GMT
• ステータス: 処理完了
• システム内更新日: 2023-01-04 03:45:38.846085
• Title: Fast reconstruction of atomic-scale STEM-EELS images from sparse sampling
• Title（参考訳）: スパースサンプリングによる原子スケールSTEM-EELS画像の高速再構成
• Authors: Etienne Monier, Thomas Oberlin, Nathalie Brun, Xiaoyan Li, Marcel Tenc\'e, Nicolas Dobigeon
• Abstract要約: 原子スケールEELSに適した高速かつ高精度な再構成法を提案する。 この方法は、STEM-EELS画像上で初めて使用されるベータプロセスファクター解析(BPFA)のような一般的なソリューションと比較される。
• 参考スコア（独自算出の注目度）: 11.624024992823928
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: This paper discusses the reconstruction of partially sampled spectrum-images to accelerate the acquisition in scanning transmission electron microscopy (STEM). The problem of image reconstruction has been widely considered in the literature for many imaging modalities, but only a few attempts handled 3D data such as spectral images acquired by STEM electron energy loss spectroscopy (EELS). Besides, among the methods proposed in the microscopy literature, some are fast but inaccurate while others provide accurate reconstruction but at the price of a high computation burden. Thus none of the proposed reconstruction methods fulfills our expectations in terms of accuracy and computation complexity. In this paper, we propose a fast and accurate reconstruction method suited for atomic-scale EELS. This method is compared to popular solutions such as beta process factor analysis (BPFA) which is used for the first time on STEM-EELS images. Experiments based on real as synthetic data will be conducted.
• Abstract（参考訳）: 本稿では、走査型透過電子顕微鏡(STEM)の取得を加速するために、部分サンプリング分光像の再構成について論じる。 画像再構成の問題は、多くの画像モダリティの文献で広く検討されているが、STEM電子エネルギー損失分光法(EELS)によって取得されたスペクトル画像などの3Dデータを扱う試みはわずかである。 また, 顕微鏡文献で提案されている手法のうち, 一部は高速であるが不正確であり, 一部は正確な再構成を行うが, 高計算負荷の費用がかかる。 したがって,提案手法のいずれも精度と計算複雑性の面での期待を満たさない。 本稿では,原子スケールEELSに適した高速かつ高精度な再構成手法を提案する。 この方法は、STEM-EELS画像上で初めて使用されるベータプロセスファクター解析(BPFA)のような一般的なソリューションと比較される。 real as合成データに基づく実験を行う。

関連論文リスト

• Deep Learning Based Speckle Filtering for Polarimetric SAR Images. Application to Sentinel-1 [51.404644401997736]
  本稿では、畳み込みニューラルネットワークを用いて偏光SAR画像のスペックルを除去するための完全なフレームワークを提案する。 実験により,提案手法はスペックル低減と分解能保存の両方において例外的な結果をもたらすことが示された。
  論文  参考訳（メタデータ） (2024-08-28T10:07:17Z)
• Fast and accurate sparse-view CBCT reconstruction using meta-learned neural attenuation field and hash-encoding regularization [13.01191568245715]
  コーンビームCT(CBCT)は、患者の内部解剖学的構造を可視化する新しい医用イメージング技術である。 再構成画像の品質を維持しながらCBCTスキャンにおける投影回数を減らすことは困難である。 本研究では,高速かつ高精度な CBCT 再構成手法を提案する。
  論文  参考訳（メタデータ） (2023-12-04T07:23:44Z)
• Fast and robust single particle reconstruction in 3D fluorescence microscopy [1.0625549557437526]
  単一粒子再構成は、軸方向分解能と蛍光標識の度合いを改善するための強力な技術である。 3次元蛍光顕微鏡における畳み込みモデル専用の単一粒子再構成法を提案する。 計算コストを低く抑えつつ,分解能および再構成誤差の観点から合成手法を実証する。
  論文  参考訳（メタデータ） (2023-01-23T14:20:01Z)
• A Targeted Sampling Strategy for Compressive Cryo Focused Ion Beam Scanning Electron Microscopy [1.7336067972072462]
  Cryo Focused Ion-Beam Scanning Electron Microscopy (cryo FIB-SEM)は、スライス・アンド・ビュー機構による生体試料の3次元およびナノスケールイメージングを可能にする。 しかし、FIB-SEM実験は遅い(典型的には数時間)取得プロセスによって制限され、ビーム感度試験体に照射される高電子線量による損傷を引き起こす可能性がある。 本稿では,Cryo FIB-SEMの電子線量削減と速度向上を両立できる圧縮型FIB-SEMを提案する。
  論文  参考訳（メタデータ） (2022-11-07T12:27:28Z)
• OADAT: Experimental and Synthetic Clinical Optoacoustic Data for Standardized Image Processing [62.993663757843464]
  オプトアコースティック(OA)イメージングは、ナノ秒レーザーパルスによる生体組織の励起と、光吸収による熱弾性膨張によって発生する超音波の検出に基づいている。 OAイメージングは、深部組織における豊富な光学コントラストと高分解能の強力な組み合わせを特徴としている。 臨床環境でのOAの幅広い応用を促進するために、異なるタイプの実験的なセットアップと関連する処理手法で生成される標準化データセットは存在しない。
  論文  参考訳（メタデータ） (2022-06-17T08:11:26Z)
• STEM image analysis based on deep learning: identification of vacancy defects and polymorphs of ${MoS_2}$ [0.49583061314078714]
  2次元結晶の重要な構造的特徴の同定に完全畳み込みネットワーク(FCN)を適用した。 FCNは、様々なレベルのノイズ、収差、炭素汚染の存在下でのシミュレーション画像で訓練されている。 広範囲な実験STEM画像に対するFCNモデルの精度は、注意深いハンズオン分析の精度に匹敵する。
  論文  参考訳（メタデータ） (2022-06-09T04:43:56Z)
• Multi-Channel Convolutional Analysis Operator Learning for Dual-Energy CT Reconstruction [108.06731611196291]
  我々は,多チャンネル畳み込み解析演算子学習法(MCAOL)を開発した。 本研究では,低エネルギー,高エネルギーで減衰画像を共同で再構成する最適化手法を提案する。
  論文  参考訳（メタデータ） (2022-03-10T14:22:54Z)
• A parameter refinement method for Ptychography based on Deep Learning concepts [55.41644538483948]
  伝播距離、位置誤差、部分的コヒーレンスにおける粗いパラメトリゼーションは、しばしば実験の生存性を脅かす。 最新のDeep Learningフレームワークは、セットアップの不整合を自律的に補正するために使用され、ポチコグラフィーの再構築の質が向上する。 我々は,elettra シンクロトロン施設のツインミックビームラインで取得した合成データセットと実データの両方でシステムをテストした。
  論文  参考訳（メタデータ） (2021-05-18T10:15:17Z)
• Adaptive Gradient Balancing for UndersampledMRI Reconstruction and Image-to-Image Translation [60.663499381212425]
  本研究では,新しい適応勾配バランス手法を併用したwasserstein生成逆ネットワークを用いて,画質の向上を図る。 MRIでは、他の技術よりも鮮明な画像を生成する高品質の再構築を維持しながら、アーティファクトを最小限に抑えます。
  論文  参考訳（メタデータ） (2021-04-05T13:05:22Z)
• Cryo-ZSSR: multiple-image super-resolution based on deep internal learning [14.818511430476589]
  単一粒子低温電子顕微鏡 (cryo-EM) は、タンパク質やマクロ分子複合体を原子近傍の分解能で可視化できる新しい画像モダリティである。 本稿では,低SNR条件下での動作に特化して設計された深層学習に基づくマルチイメージSRアルゴリズムを提案する。 以上の結果から,低倍率画像と画像SRの組み合わせは,解像度を犠牲にすることなく,Cryo-EMデータ収集を加速させる可能性が示唆された。
  論文  参考訳（メタデータ） (2020-11-22T14:04:54Z)
• Hyperspectral-Multispectral Image Fusion with Weighted LASSO [68.04032419397677]
  本稿では,高スペクトル像と多スペクトル像を融合させて高画質な高スペクトル出力を実現する手法を提案する。 提案したスパース融合と再構成は,既存の公開画像の手法と比較して,定量的に優れた結果が得られることを示す。
  論文  参考訳（メタデータ） (2020-03-15T23:07:56Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。