Fugu-MT 論文翻訳(概要): Improving axial resolution in SIM using deep learning

論文の概要: Improving axial resolution in SIM using deep learning

arxiv url: http://arxiv.org/abs/2009.02264v3
Date: Thu, 18 Feb 2021 09:56:10 GMT
ステータス: 処理完了
システム内更新日: 2022-10-22 02:26:32.534107
Title: Improving axial resolution in SIM using deep learning
Title（参考訳）: 深層学習によるsimの軸分解能向上
Authors: Miguel Boland, Edward A.K. Cohen, Seth Flaxman, Mark A.A. Neil
Abstract要約: 従来のSIM再構成による2倍の軸分解能で3次元SIM画像スタックを再構成する方法を実証する。さらに, 各種検体に対するノイズに対するロバスト性, 一般性について検討し, さらなる高分解能化に向けた手法の適用可能性について検討した。
参考スコア（独自算出の注目度）: 0.6999740786886537
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Structured Illumination Microscopy is a widespread methodology to image live and fixed biological structures smaller than the diffraction limits of conventional optical microscopy. Using recent advances in image up-scaling through deep learning models, we demonstrate a method to reconstruct 3D SIM image stacks with twice the axial resolution attainable through conventional SIM reconstructions. We further evaluate our method for robustness to noise & generalisability to varying observed specimens, and discuss potential adaptions of the method to further improvements in resolution.
Abstract（参考訳）: 構造照明顕微鏡は、従来の光学顕微鏡の回折限界よりも小さな生体構造を撮像するための広く普及した方法である。深層学習モデルによる画像アップスケーリングの最近の進歩を利用して,従来のSIM再構成による2倍の軸分解能で3D SIM画像スタックを再構成する方法を実証する。さらに, 雑音に対するロバスト性, 種々の試料に対する一般化性を評価し, さらなる分解能向上のための手法の可能性について考察した。

関連論文リスト

Reference-Free Isotropic 3D EM Reconstruction using Diffusion Models [8.590026259176806]
本稿では、参照データや劣化過程に関する事前知識の制限を克服する拡散モデルに基づくフレームワークを提案する。提案手法では, 2次元拡散モデルを用いて連続的に3次元ボリュームを再構成し, 高精度なサンプルデータに適している。
論文参考訳（メタデータ） (2023-08-03T07:57:02Z)
DiffuseIR:Diffusion Models For Isotropic Reconstruction of 3D Microscopic Images [20.49786054144047]
拡散モデルに基づく等方的再構成の教師なし手法であるDiffuseIRを提案する。まず,側方顕微鏡画像から生体組織の構造分布を学習するために,拡散モデルの事前学習を行う。次に、低軸分解能顕微鏡画像を用いて拡散モデルの生成過程を定式化し、高軸分解能再構成結果を生成する。
論文参考訳（メタデータ） (2023-06-21T08:49:28Z)
Deep learning network to correct axial and coronal eye motion in 3D OCT retinal imaging [65.47834983591957]
深層学習に基づくニューラルネットワークを用いて,OCTの軸運動とコロナ運動のアーチファクトを1つのスキャンで補正する。実験結果から, 提案手法は動作アーチファクトを効果的に補正し, 誤差が他の方法よりも小さいことを示す。
論文参考訳（メタデータ） (2023-05-27T03:55:19Z)
Passive superresolution imaging of incoherent objects [63.942632088208505]
手法は、Hermite-Gaussianモードとその重ね合わせのオーバーコンプリートベースで、画像平面内のフィールドの空間モード成分を測定することで構成される。ディープニューラルネットワークは、これらの測定からオブジェクトを再構築するために使用される。
論文参考訳（メタデータ） (2023-04-19T15:53:09Z)
Spectral Bandwidth Recovery of Optical Coherence Tomography Images using Deep Learning [0.6990493129893112]
取得速度を向上する技術開発は、しばしばスペクトル帯域幅が狭くなり、したがって軸方向分解能が低くなる。従来,OCTのサブサンプルデータを再構成するために画像処理技術が用いられてきた。本研究では,スペクトル領域におけるガウスウィンドウ化による軸方向スキャン(Aスキャン)分解能の低下をシミュレートし,画像特徴再構成のための学習的アプローチについて検討する。
論文参考訳（メタデータ） (2023-01-02T02:18:32Z)
Sparse-based Domain Adaptation Network for OCTA Image Super-Resolution Reconstruction [24.118675257774655]
Sparse-based domain Adaptation Super-Resolution Network (SASR) を提案し、リアルな6x6 mm2/low- resolution (LR) OCTA画像を高分解能(HR)表現に再構成する。 2つのOCTA集合の実験により,本手法は最先端の超解像再構成法よりも優れた性能を示した。
論文参考訳（メタデータ） (2022-07-25T02:59:11Z)
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)
Neural 3D Reconstruction in the Wild [86.6264706256377]
そこで我々は,インターネット写真コレクションから効率よく高精度な表面再構成を実現する新しい手法を提案する。そこで本研究では,これらのシーンにおける再構成性能を評価するための新しいベンチマークとプロトコルを提案する。
論文参考訳（メタデータ） (2022-05-25T17:59:53Z)
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)
Spatio-temporal Vision Transformer for Super-resolution Microscopy [2.8348950186890467]
構造照明顕微鏡(Structured illumination microscopy, SIM)は、光学的超解像技術であり、回折限界を超えるライブセルイメージングを可能にする。シフトした3次元ウィンドウマルチヘッドアテンションを用いたトランスフォーマーベースの新しい再構成手法 VSR-SIM を提案する。 SIMの時間分解能を9倍に向上させるローリングSIM画像と呼ばれるVSR-SIMのユースケースを実演する。
論文参考訳（メタデータ） (2022-02-28T19:01:10Z)
Limited-angle tomographic reconstruction of dense layered objects by dynamical machine learning [68.9515120904028]
強い散乱準透明物体の有限角トモグラフィーは困難で、非常に不適切な問題である。このような問題の状況を改善することにより、アーティファクトの削減には、事前の定期化が必要である。我々は,新しい分割畳み込みゲート再帰ユニット(SC-GRU)をビルディングブロックとして,リカレントニューラルネットワーク(RNN)アーキテクチャを考案した。
論文参考訳（メタデータ） (2020-07-21T11:48:22Z)

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。