論文の概要: Confocal super-resolution microscopy based on a spatial mode sorter
- arxiv url: http://arxiv.org/abs/2101.03649v2
- Date: Thu, 1 Apr 2021 14:34:07 GMT
- ステータス: 処理完了
- システム内更新日: 2023-04-17 02:59:25.325435
- Title: Confocal super-resolution microscopy based on a spatial mode sorter
- Title(参考訳): 空間モードソータを用いた共焦点超解像顕微鏡
- Authors: Katherine K. M. Bearne, Yiyu Zhou, Boris Braverman, Jing Yang, S. A.
Wadood, Andrew N. Jordan, A. N. Vamivakas, Zhimin Shi, Robert W. Boyd
- Abstract要約: 我々はRichardson-Lucy(RL)デコンボリューションアルゴリズムを多くの不整点源からなる汎用オブジェクトに一般化する。
その結果,従来の共焦点顕微鏡よりも平均30%以上高分解能化されていることがわかった。
- 参考スコア(独自算出の注目度): 1.6950974360378377
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Spatial resolution is one of the most important specifications of an imaging
system. Recent results in quantum parameter estimation theory reveal that an
arbitrarily small distance between two incoherent point sources can always be
efficiently determined through the use of a spatial mode sorter. However,
extending this procedure to a general object consisting of many incoherent
point sources remains challenging, due to the intrinsic complexity of
multi-parameter estimation problems. Here, we generalize the Richardson-Lucy
(RL) deconvolution algorithm to address this challenge. We simulate its
application to an incoherent confocal microscope, with a Zernike spatial mode
sorter replacing the pinhole used in a conventional confocal microscope. We
test different spatially incoherent objects of arbitrary geometry, and we find
that the resolution enhancement of sorter-based microscopy is on average over
30% higher than that of a conventional confocal microscope using the standard
RL deconvolution algorithm. Our method could potentially be used in diverse
applications such as fluorescence microscopy and astronomical imaging.
- Abstract(参考訳): 空間分解能はイメージングシステムの最も重要な仕様の一つである。
量子パラメータ推定理論の最近の結果は、空間モードソータを用いて、2つの不整点源間の任意の小さな距離を常に効率的に決定できることを明らかにする。
しかし、マルチパラメータ推定問題の本質的複雑性のため、この手順を多くの非一貫性点源からなる一般的な対象に拡張することは依然として困難である。
本稿では、この課題に対処するために、Richardson-Lucy(RL)デコンボリューションアルゴリズムを一般化する。
従来の共焦点顕微鏡のピンホールを置き換えたZernike空間モードソータを用いた非コヒーレント共焦点顕微鏡への応用をシミュレーションした。
任意の幾何形状の空間的不整合物体を試験し、標準RLデコンボリューションアルゴリズムを用いて、ソータ型顕微鏡の分解能は従来の共焦点顕微鏡の分解能よりも30%以上高いことがわかった。
本手法は蛍光顕微鏡や天文学イメージングなどの様々な用途に応用できる可能性がある。
関連論文リスト
- RGM: A Robust Generalist Matching Model [53.223624323416914]
RGM(Robust Generalist Matching)と呼ばれる疎密マッチングのための深部モデルを提案する。
合成トレーニングサンプルと実世界のシナリオのギャップを狭めるために、我々は、疎対応基盤真理を持つ新しい大規模データセットを構築した。
さまざまな密集したスパースなデータセットを混ぜ合わせることができ、トレーニングの多様性を大幅に改善しています。
論文 参考訳(メタデータ) (2023-10-18T07:30:08Z) - Computational 3D topographic microscopy from terabytes of data per
sample [2.4657541547959387]
我々は6ギガピクセルのプロファイログラフィー3Dイメージングをミクロンスケールの解像度で行うことができる大規模3Dトポグラフィー顕微鏡を提案する。
我々は、オールインフォーカス光度合成と3次元高さマップを共同で推定する3次元再構成と縫合のための自己教師型ニューラルネットワークベースのアルゴリズムを開発した。
計算顕微鏡の汎用性を実証するため,STARCAMを様々なデシメータスケールの物体に適用した。
論文 参考訳(メタデータ) (2023-06-05T07:09:21Z) - 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) - Low dosage 3D volume fluorescence microscopy imaging using compressive
sensing [0.0]
本稿では, 圧縮センシングによる3Dボリュームの完全再構成を, 励起量の半分未満のSNRで行う方法を提案する。
ゼブラフィッシュ胚脊髄のRFP標識ニューロンの3次元体積を, 共焦点顕微鏡を用いて0.1umの軸方向サンプリングにより計測し, 本手法の実証を行った。
この研究で開発されたCSベースの手法は、2光子や光シート顕微鏡などの他の深部イメージングに容易に適用でき、サンプル光毒性の低減は重要な課題である。
論文 参考訳(メタデータ) (2022-01-03T18:44:50Z) - Light-field microscopy with correlated beams for extended volumetric
imaging at the diffraction limit [0.0]
光強度相関に基づく光電場顕微鏡アーキテクチャを実験的に提案する。
本研究では,3次元試験対象と生体試料を集束面から再抽出する手法の有効性を実証する。
論文 参考訳(メタデータ) (2021-10-02T13:54:11Z) - LocalTrans: A Multiscale Local Transformer Network for Cross-Resolution
Homography Estimation [52.63874513999119]
クロスレゾリューション画像アライメントは、マルチスケールギガ撮影において重要な問題である。
既存のディープ・ホモグラフィー手法は、それらの間の対応の明示的な定式化を無視し、クロスレゾリューションの課題において精度が低下する。
本稿では,マルチモーダル入力間の対応性を明確に学習するために,マルチスケール構造内に埋め込まれたローカルトランスフォーマーネットワークを提案する。
論文 参考訳(メタデータ) (2021-06-08T02:51:45Z) - Axial-to-lateral super-resolution for 3D fluorescence microscopy using
unsupervised deep learning [19.515134844947717]
本論文では、蛍光顕微鏡における異方性画像強化のための深層学習可能な非教師付きスーパーレゾリューション技術を提案する。
ネットワークのトレーニングには1枚の3D画像スタックしか必要としないため,本手法は実践の労力を大幅に削減する。
訓練されたネットワークは、回折限界を超える軸分解能を高めるだけでなく、イメージングプレーン間の視覚的詳細の抑制とイメージングアーティファクトの除去も行うことを実証します。
論文 参考訳(メタデータ) (2021-04-19T16:31:12Z) - Calibrated and Partially Calibrated Semi-Generalized Homographies [65.29477277713205]
視点と一般化カメラから半一般化ホモグラフィーを推定するための最初の最小解を提案する。
提案した解法は、多くの合成および実世界の実験で実証されたように安定かつ効率的である。
論文 参考訳(メタデータ) (2021-03-11T08:56:24Z) - Image Matching with Scale Adjustment [57.18604132027697]
可変スケールでの関心点の表現と抽出方法を示す。
2つの異なる解像度で2つの画像を比較する方法を提案する。
論文 参考訳(メタデータ) (2020-12-10T11:03:25Z) - Spatially-Variant CNN-based Point Spread Function Estimation for Blind
Deconvolution and Depth Estimation in Optical Microscopy [6.09170287691728]
薄めながら平らでない物体の光顕微鏡画像の解像度を向上する手法を提案する。
畳み込みニューラルネットワーク(CNN)を用いた空間変動点スプレッド関数(PSF)モデルのパラメータを推定する。
本手法は,理想条件下での2乗ピアソン相関係数0.99で画像自体からPSFパラメータを復元する。
論文 参考訳(メタデータ) (2020-10-08T14:20:16Z) - 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。