論文の概要: Non-iterative Simultaneous Rigid Registration Method for Serial Sections
of Biological Tissue
- arxiv url: http://arxiv.org/abs/2005.04848v1
- Date: Mon, 11 May 2020 03:44:10 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-04 20:19:22.571792
- Title: Non-iterative Simultaneous Rigid Registration Method for Serial Sections
of Biological Tissue
- Title（参考訳）: 生体組織のシリアルセクションにおける非定常同時剛体登録法
- Authors: Chang Shu, Xi Chen, Qiwei Xie, Chi Xiao, Hua Han
- Abstract要約: 直列断面画像の最適剛性変換を同時に推定する新しい非定性アルゴリズムを提案する。
提案手法は非定性であり,多数の直列断面画像に対する剛性変換を同時に計算することができる。
- 参考スコア（独自算出の注目度）: 11.471087682509005
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: In this paper, we propose a novel non-iterative algorithm to simultaneously
estimate optimal rigid transformation for serial section images, which is a key
component in volume reconstruction of serial sections of biological tissue. In
order to avoid error accumulation and propagation caused by current algorithms,
we add extra condition that the position of the first and the last section
images should remain unchanged. This constrained simultaneous registration
problem has not been solved before. Our algorithm method is non-iterative, it
can simultaneously compute rigid transformation for a large number of serial
section images in a short time. We prove that our algorithm gets optimal
solution under ideal condition. And we test our algorithm with synthetic data
and real data to verify our algorithm's effectiveness.
- Abstract（参考訳）: 本稿では, 生体組織の連続断面の体積再構成における重要な要素である, 連続断面画像の最適剛性変換を同時に推定する新しい非定性アルゴリズムを提案する。
現在のアルゴリズムによる誤りの蓄積や伝播を避けるため、第1部と最後の部画像の位置が変わらないという余分な条件を加える。
この制約付き同時登録問題は以前にも解決されていない。
提案手法は非定型的であり,多数の直列断面画像に対して短時間で剛性変換を同時に計算することができる。
アルゴリズムが理想的な条件下で最適解を得ることを証明します。
そして,合成データと実データを用いてアルゴリズムをテストし,アルゴリズムの有効性を検証する。
関連論文リスト
- Topology-Preserving Downsampling of Binary Images [1.2430809884830318]
本稿では,バイナリ画像のサンプル化バージョンを生成するための離散最適化手法を提案する。
この手法は、黒領域の0番目と第1ベッチ数によって測定された原点と同じ位相を持つことが保証されている。
論文 参考訳（メタデータ） (2024-07-25T05:30:09Z) - Optimal Algorithms for the Inhomogeneous Spiked Wigner Model [89.1371983413931]
不均一な問題に対する近似メッセージパッシングアルゴリズム(AMP)を導出する。
特に,情報理論の閾値よりも大きい信号と雑音の比を必要とする既知のアルゴリズムが,ランダムよりも優れた処理を行うための統計的・計算的ギャップの存在を同定する。
論文 参考訳（メタデータ） (2023-02-13T19:57:17Z) - MICS : Multi-steps, Inverse Consistency and Symmetric deep learning
registration network [5.5115587651470035]
MICSは医用画像登録のための新しいディープラーニングアルゴリズムである。
アルゴリズムは、逆整合性、対称性、配向保存といった異なる性質の点に焦点をあてる。
論文 参考訳（メタデータ） (2021-11-23T19:46:22Z) - Closed-loop Feedback Registration for Consecutive Images of Moving
Flexible Targets [4.61174541905193]
そこで本研究では,変形可能な印刷パターンの整合と縫合を行うクローズドループフィードバック登録アルゴリズムを提案する。
以上の結果から,本アルゴリズムは,他の最先端アルゴリズムと比較して,ルート平均二乗誤差(RMSE)が低い点対を求めることができることがわかった。
論文 参考訳（メタデータ） (2021-10-20T20:31:43Z) - Machine Learning for Online Algorithm Selection under Censored Feedback [71.6879432974126]
オンラインアルゴリズム選択(OAS)では、アルゴリズム問題クラスのインスタンスがエージェントに次々に提示され、エージェントは、固定された候補アルゴリズムセットから、おそらく最高のアルゴリズムを迅速に選択する必要がある。
SAT(Satisfiability)のような決定問題に対して、品質は一般的にアルゴリズムのランタイムを指す。
本研究では,OASのマルチアームバンディットアルゴリズムを再検討し,この問題に対処する能力について議論する。
ランタイム指向の損失に適応し、時間的地平線に依存しない空間的・時間的複雑さを維持しながら、部分的に検閲されたデータを可能にする。
論文 参考訳（メタデータ） (2021-09-13T18:10:52Z) - Deep Unfolded Recovery of Sub-Nyquist Sampled Ultrasound Image [94.42139459221784]
本稿では,ISTAアルゴリズムの展開に基づく時空間領域におけるサブNyquistサンプルからの再構成手法を提案する。
本手法は,高品質な撮像性能を確保しつつ,配列要素数,サンプリングレート,計算時間を削減できる。
論文 参考訳（メタデータ） (2021-03-01T19:19:38Z) - Learned Block Iterative Shrinkage Thresholding Algorithm for
Photothermal Super Resolution Imaging [52.42007686600479]
深層ニューラルネットワークに展開する反復アルゴリズムを用いて,学習したブロックスパース最適化手法を提案する。
本稿では、正規化パラメータの選択を学ぶことができる学習ブロック反復収縮しきい値アルゴリズムを使用することの利点を示す。
論文 参考訳（メタデータ） (2020-12-07T09:27:16Z) - An Asymptotically Optimal Primal-Dual Incremental Algorithm for
Contextual Linear Bandits [129.1029690825929]
複数の次元に沿った最先端技術を改善する新しいアルゴリズムを提案する。
非文脈線形帯域の特別な場合において、学習地平線に対して最小限の最適性を確立する。
論文 参考訳（メタデータ） (2020-10-23T09:12:47Z) - u-net CNN based fourier ptychography [5.46367622374939]
本稿では,畳み込みニューラルネットワークに基づく新しい検索アルゴリズムを提案する。
実験により, システム収差下において, 再現性が向上し, より堅牢であることが確認された。
論文 参考訳（メタデータ） (2020-03-16T22:48:44Z) - Active Model Estimation in Markov Decision Processes [108.46146218973189]
マルコフ決定過程(MDP)をモデル化した環境の正確なモデル学習のための効率的な探索の課題について検討する。
マルコフに基づくアルゴリズムは,本アルゴリズムと極大エントロピーアルゴリズムの両方を小サンプル方式で上回っていることを示す。
論文 参考訳（メタデータ） (2020-03-06T16:17:24Z)
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。