論文の概要: Single-shot autofocusing of microscopy images using deep learning

• arxiv url: http://arxiv.org/abs/2003.09585v2
• Date: Fri, 22 Jan 2021 06:20:14 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-21 12:48:24.245904
• Title: Single-shot autofocusing of microscopy images using deep learning
• Title（参考訳）: 深層学習による顕微鏡画像の単発オートフォーカス
• Authors: Yilin Luo, Luzhe Huang, Yair Rivenson, Aydogan Ozcan
• Abstract要約: Deep-Rと呼ばれるディープラーニングベースのオフラインオートフォーカス手法は、ワンショット顕微鏡画像の高速かつ盲目的にオートフォーカスするように訓練されている。 Deep-Rは、通常のオンラインアルゴリズムのオートフォーカス手法と比較してかなり高速である。
• 参考スコア（独自算出の注目度）: 0.30586855806896046
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We demonstrate a deep learning-based offline autofocusing method, termed Deep-R, that is trained to rapidly and blindly autofocus a single-shot microscopy image of a specimen that is acquired at an arbitrary out-of-focus plane. We illustrate the efficacy of Deep-R using various tissue sections that were imaged using fluorescence and brightfield microscopy modalities and demonstrate snapshot autofocusing under different scenarios, such as a uniform axial defocus as well as a sample tilt within the field-of-view. Our results reveal that Deep-R is significantly faster when compared with standard online algorithmic autofocusing methods. This deep learning-based blind autofocusing framework opens up new opportunities for rapid microscopic imaging of large sample areas, also reducing the photon dose on the sample.
• Abstract（参考訳）: 本研究では,任意の非焦点面で取得した標本の単発顕微鏡像を迅速かつ盲目的にオートフォーカスするように訓練した,deep-rと呼ばれる深層学習型オフラインオートフォーカス法を示す。 本研究では,蛍光顕微鏡およびブライトフィールド顕微鏡を用いて撮影した各種組織断面を用いたdeep-rの有用性を示し,一様軸離焦点や視野内のサンプル傾きなどの異なるシナリオ下でのスナップショット自動フォーカスを示す。 この結果から,Deep-Rは従来のオンラインアルゴリズムのオートフォーカス手法に比べてはるかに高速であることがわかった。 このディープラーニングベースのブラインドオートフォーカスフレームワークは、大きなサンプル領域を高速に顕微鏡で撮影する新たな機会を開き、サンプルの光子線量を減らす。

関連論文リスト

• Towards Real-World Focus Stacking with Deep Learning [97.34754533628322]
  焦点ブラケットを用いた94個の高解像度原画像のバーストからなる新しいデータセットを提案する。 このデータセットは、現実世界のアプリケーションに十分な長さのバーストを処理できるフォーカススタックのための最初のディープラーニングアルゴリズムをトレーニングするために使用される。
  論文  参考訳（メタデータ） (2023-11-29T17:49:33Z)
• Defocus Blur Synthesis and Deblurring via Interpolation and Extrapolation in Latent Space [3.097163558730473]
  我々は、線形性関係を強制するために暗黙的かつ明示的な正規化手法でオートエンコーダを訓練する。 既存の作品と比較して、私たちは単純なアーキテクチャを使って、フレキシブルなボケレベルで画像を合成します。 我々の正規化オートエンコーダは、データ拡張技術としてデータの多様性を増大させ、ぼかしやデブロを効果的に模倣することができる。
  論文  参考訳（メタデータ） (2023-07-28T10:27:28Z)
• Fully Self-Supervised Depth Estimation from Defocus Clue [79.63579768496159]
  スパース焦点スタックから深度を純粋に推定する自己教師型フレームワークを提案する。 筆者らのフレームワークは,深度とAIF画像の接地構造の必要性を回避し,より優れた予測を得られることを示す。
  論文  参考訳（メタデータ） (2023-03-19T19:59:48Z)
• Deep Depth from Focus with Differential Focus Volume [17.505649653615123]
  焦点スタック内の最良焦点画素を抽出し,焦点推定から深度を推定するための畳み込みニューラルネットワーク(CNN)を提案する。 ネットワークの重要な革新は、新しいディープディファレンシャルフォーカスボリューム(DFV)である。
  論文  参考訳（メタデータ） (2021-12-03T04:49:51Z)
• Single image deep defocus estimation and its applications [82.93345261434943]
  画像パッチを20レベルの曖昧さの1つに分類するために、ディープニューラルネットワークをトレーニングします。 トレーニングされたモデルは、反復重み付きガイドフィルタを適用して改善するパッチのぼかしを決定するために使用される。 その結果、デフォーカスマップは各ピクセルのぼやけた度合いの情報を運ぶ。
  論文  参考訳（メタデータ） (2021-07-30T06:18:16Z)
• 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)
• A learning-based view extrapolation method for axial super-resolution [52.748944517480155]
  軸光界分解能は、再焦点によって異なる深さで特徴を区別する能力を指します。 せん断エピポーラ平面画像の軸体積から新しい視点を推定する学習に基づく手法を提案する。
  論文  参考訳（メタデータ） (2021-03-11T07:22:13Z)
• Deep Autofocus for Synthetic Aperture Sonar [28.306713374371814]
  本稿では,機械学習,特にディープラーニングがオートフォーカス問題に対処する可能性を示す。 我々は、Deep Autofocusと呼ばれるディープネットワークを用いて、自己教師型位相誤差推定タスクとして問題を定式化する。 以上の結果から,Deep Autofocusは,ベンチマーク反復手法に劣らず,計算コストが大幅に低い画像を生成することができることを示した。
  論文  参考訳（メタデータ） (2020-10-29T15:31:15Z)
• Rapid Whole Slide Imaging via Learning-based Two-shot Virtual Autofocusing [57.90239401665367]
  ホイルスライドイメージング(WSI)は、デジタル病理の新たな技術である。 本稿では,リフォーカスを行うための機械的調整に依存しないテキスト仮想オートフォーカスの概念を提案する。
  論文  参考訳（メタデータ） (2020-03-14T13:40:33Z)
• DeepFocus: a Few-Shot Microscope Slide Auto-Focus using a Sample Invariant CNN-based Sharpness Function [6.09170287691728]
  オートフォーカス(AF)法は、例えばタイムラプスを取得するために生体顕微鏡で広く用いられている。 現在のハードウェアベースの手法では、顕微鏡と画像ベースのアルゴリズムを変更する必要がある。 我々はMicro-Managerプラグインとして実装したAFメソッドであるDeepFocusを提案する。
  論文  参考訳（メタデータ） (2020-01-02T23:29:11Z)

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。