Fugu-MT 論文翻訳(概要): Differentiable model-based adaptive optics for two-photon microscopy

論文の概要: Differentiable model-based adaptive optics for two-photon microscopy

arxiv url: http://arxiv.org/abs/2104.14308v1
Date: Thu, 29 Apr 2021 12:50:08 GMT
ステータス: 処理完了
システム内更新日: 2021-04-30 12:46:27.683813
Title: Differentiable model-based adaptive optics for two-photon microscopy
Title（参考訳）: 2光子顕微鏡のための微分モデルに基づく適応光学
Authors: Ivan Vishniakou, Johannes D. Seelig
Abstract要約: 収差は、生体組織などの散乱物質のイメージング時に走査蛍光顕微鏡を制限する。適応光学に対するモデルベースアプローチは、光学セットアップの計算モデルを利用する。このアプローチを2光子走査顕微鏡に拡張する。
参考スコア（独自算出の注目度）: 0.0
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Aberrations limit scanning fluorescence microscopy when imaging in scattering materials such as biological tissue. Model-based approaches for adaptive optics take advantage of a computational model of the optical setup. Such models can be combined with the optimization techniques of machine learning frameworks to find aberration corrections, as was demonstrated for focusing a laser beam through aberrations onto a camera [arXiv:2007.13400]. Here, we extend this approach to two-photon scanning microscopy. The developed sensorless technique finds corrections for aberrations in scattering samples and will be useful for a range of imaging application, for example in brain tissue.
Abstract（参考訳）: 収差は生体組織などの散乱物質をイメージングする際に走査蛍光顕微鏡に制限される。適応光学に対するモデルベースアプローチは、光学セットアップの計算モデルを利用する。このようなモデルは、収差補正のための機械学習フレームワークの最適化手法と組み合わせて、収差によるレーザビームをカメラに焦点を合わせる(arXiv:2007.13400)。ここでは、このアプローチを2光子走査顕微鏡に拡張する。開発されたセンサレス技術は、散乱サンプルの収差を補正し、脳組織などの様々なイメージング応用に有用である。

関連論文リスト

Tsang's resolution enhancement method for imaging with focused illumination [42.41481706562645]
いずれの方法よりも優れた横方向分解能と画像品質を実験的に示す。この結果は、空間分解を既存の顕微鏡に統合する方法を舗装する。
論文参考訳（メタデータ） (2024-05-31T16:25:05Z)
Spatial super-resolution in nanosensing with blinking emitters [79.16635054977068]
本稿では, 点滅型蛍光ナノセンサを用いたメロロジーにおける空間分解能向上手法を提案する。我々は, 生活科学分野において, 画像解析技術に補完される点滅蛍光センシング剤を日常的に活用できると考えている。
論文参考訳（メタデータ） (2024-02-27T10:38:05Z)
Neural Lens Modeling [50.57409162437732]
NeuroLens(ニューロレンス)は、点投影と光線鋳造に使用できる歪みと磁化のための神経レンズモデルである。古典的なキャリブレーションターゲットを使用してプリキャプチャのキャリブレーションを行うことができ、後に3D再構成の際にキャリブレーションやリファインメントを行うために使用できる。このモデルは、多くのレンズタイプにまたがって一般化されており、既存の3D再構成とレンダリングシステムとの統合は容易である。
論文参考訳（メタデータ） (2023-04-10T20:09:17Z)
Differentiable optimization of the Debye-Wolf integral for light shaping and adaptive optics in two-photon microscopy [0.0]
光の制御は、光学遺伝学、適応光学、レーザー加工などの応用において一般的な要件である。そこで本研究では,Debye-Wolf積分を効率よく最適化するために,微分可能最適化と機械学習を利用する。光整形には、この最適化手法が2光子顕微鏡における任意の3次元点展開関数に適していることが示される。
論文参考訳（メタデータ） (2022-11-30T12:02:13Z)
Retrieving space-dependent polarization transformations via near-optimal quantum process tomography [55.41644538483948]
トモグラフィー問題に対する遺伝的および機械学習アプローチの適用について検討する。ニューラルネットワークベースのスキームは、リアルタイムにキャラクタリゼーションを必要とするアプリケーションにおいて、重要なスピードアップを提供する。これらの結果は、より一般的な量子プロセスにおけるトモグラフィーアプローチの最適化の基礎となることを期待する。
論文参考訳（メタデータ） (2022-10-27T11:37:14Z)
Computational ghost imaging for transmission electron microscopy [4.8776835876287805]
本研究では,電子顕微鏡におけるゴーストイメージングの計算手法を用いて,必要な総強度の低減を図っている。電子に対する同等の高分解能光空間光変調器の技術的欠如は、異なるアプローチを追求する必要があることを意味する。電気的に帯電した金属針の分布をビーム構造に利用したビーム整形技術と、その結果の非直交パターンを扱う新しい再構成手法について述べる。
論文参考訳（メタデータ） (2022-04-21T09:43:54Z)
Generic Lithography Modeling with Dual-band Optics-Inspired Neural Networks [52.200624127512874]
我々は、リソグラフィの基礎となる光学物理を考慮に入れたデュアルバンド光インスパイアされたニューラルネットワーク設計を導入する。提案手法は, タイルサイズが1nm2/ピクセル解像度で最初に公表された金属/金属層輪郭シミュレーションである。また,従来のリソグラフィーシミュレータよりも精度1%の精度で85倍の高速化を実現した。
論文参考訳（メタデータ） (2022-03-12T08:08:50Z)
Universal and Flexible Optical Aberration Correction Using Deep-Prior Based Deconvolution [51.274657266928315]
そこで本研究では,収差画像とpsfマップを入力とし,レンズ固有深層プリエントを組み込んだ潜在高品質版を生成する,psf対応プラグイン・アンド・プレイ深層ネットワークを提案する。具体的には、多彩なレンズの集合からベースモデルを事前訓練し、パラメータを迅速に精製して特定のレンズに適応させる。
論文参考訳（メタデータ） (2021-04-07T12:00:38Z)
Differentiable model-based adaptive optics with transmitted and reflected light [0.0]
モデルベース適応光学と機械学習フレームワークの最適化手法を組み合わせることで,少数の測定値による収差補正が可能であることを示す。透過に焦点を合わせることは、反射光のみに基づいて達成され、エピ検出イメージング構成と互換性がある。
論文参考訳（メタデータ） (2020-07-27T09:39:19Z)
Modeling and Enhancing Low-quality Retinal Fundus Images [167.02325845822276]
低画質の眼底画像は臨床観察における不確実性を高め、誤診のリスクを引き起こす。本稿では,グローバルな劣化要因を抑えるために,臨床指向の基盤拡張ネットワーク(cofe-Net)を提案する。合成画像と実画像の両方の実験により、我々のアルゴリズムは網膜の細部を失うことなく、低品質の眼底画像を効果的に補正することを示した。
論文参考訳（メタデータ） (2020-05-12T08:01:16Z)
Adaptive optics with reflected light and deep neural networks [0.0]
本研究では,反射光と深部ニューラルネットワークを併用した適応光学系の開発を行った。励起及び検出経路収差と対応する反射焦点画像からなるサンプル収差の大規模なデータセットを生成する。深層ニューラルネットワークは、散乱サンプルから記録された反射光画像に基づいて、励起と検出の収差を独立に歪め、補正することができる。
論文参考訳（メタデータ） (2020-04-09T15:39:51Z)

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。