論文の概要: Fast improvement of TEM image with low-dose electrons by deep learning

• arxiv url: http://arxiv.org/abs/2106.01718v1
• Date: Thu, 3 Jun 2021 09:42:16 GMT
• ステータス: 処理完了
• システム内更新日: 2021-06-04 21:49:12.923305
• Title: Fast improvement of TEM image with low-dose electrons by deep learning
• Title（参考訳）: 深層学習による低線量電子によるTEM画像の高速改善
• Authors: Hiroyasu Katsuno, Yuki Kimura, Tomoya Yamazaki and Ichigaku Takigawa
• Abstract要約: エンド・ツー・エンドのトレーニングに基づいて,短時間露光画像処理のためのパイプラインを構築した。 1ピクセルあたりの総線量で取得した画像の質は、1ピクセルあたりの総線量で取得した画像の質に匹敵する。
• 参考スコア（独自算出の注目度）: 3.441021278275805
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Low-electron-dose observation is indispensable for observing various samples using a transmission electron microscope; consequently, image processing has been used to improve transmission electron microscopy (TEM) images. To apply such image processing to in situ observations, we here apply a convolutional neural network to TEM imaging. Using a dataset that includes short-exposure images and long-exposure images, we develop a pipeline for processed short-exposure images, based on end-to-end training. The quality of images acquired with a total dose of approximately 5 e- per pixel becomes comparable to that of images acquired with a total dose of approximately 1000 e- per pixel. Because the conversion time is approximately 8 ms, in situ observation at 125 fps is possible. This imaging technique enables in situ observation of electron-beam-sensitive specimens.
• Abstract（参考訳）: 低電子量観察は、透過電子顕微鏡を用いて様々な試料を観察するのに必須であり、そのため、透過電子顕微鏡(TEM)画像を改善するために画像処理が用いられている。 このような画像処理をその場観察に適用するために、畳み込みニューラルネットワークをTEMイメージングに適用する。 短時間露光画像と長時間露光画像を含むデータセットを用いて、エンドツーエンドのトレーニングに基づいて、短時間露光画像を処理するパイプラインを開発する。 総線量約5e/ピクセルで取得した画像の品質は、総線量約1000e/ピクセルで取得した画像と同等になる。 変換時間はおよそ8msであるため、125fpsのその場観測が可能となる。 このイメージング技術は、電子ビーム感受性標本のその場観察を可能にする。

関連論文リスト

• Calibration-free quantitative phase imaging in multi-core fiber endoscopes using end-to-end deep learning [49.013721992323994]
  位相再構成時間を5.5msに大幅に短縮する学習型MCF位相イメージング法を実証した。 我々はまた,MCF位相イメージングに適した最初のオープンソースデータセットを自動生成する,革新的な光学システムも導入した。 我々の訓練されたディープニューラルネットワーク(DNN)は、99.8%の平均忠実度を持つ実験において、堅牢な位相再構成性能を示す。
  論文  参考訳（メタデータ） (2023-12-12T09:30:12Z)
• Learning and Controlling Silicon Dopant Transitions in Graphene using Scanning Transmission Electron Microscopy [58.51812955462815]
  単層炭素原子上のシリコン原子の遷移ダイナミクスを機械学習で決定する手法を提案する。 データサンプルは、ニューラルネットワークをトレーニングして遷移確率を予測するために、シンボリック表現を生成するために処理され、フィルタリングされる。 これらの学習された遷移ダイナミクスを利用すれば、格子全体に1つのシリコン原子を誘導し、あらかじめ決定された目標目的地へと導くことができる。
  論文  参考訳（メタデータ） (2023-11-21T21:51:00Z)
• Deep Learning Enables Large Depth-of-Field Images for Sub-Diffraction-Limit Scanning Superlens Microscopy [16.152554659134246]
  深層学習を用いて、光学超解像(OSR)画像と走査電子顕微鏡領域画像とのマッピング関係を得る。 提案手法は, チップレベルの欠陥検出, 生物学的試料分析, 法医学, その他の様々な分野に適用可能であることを示す。
  論文  参考訳（メタデータ） (2023-10-27T09:16:56Z)
• Style transfer between Microscopy and Magnetic Resonance Imaging via Generative Adversarial Network in small sample size settings [49.84018914962972]
  磁気共鳴イメージング(MRI)のクロスモーダル増強と、同じ組織サンプルに基づく顕微鏡イメージングが期待できる。 コンディショナル・ジェネレーティブ・逆境ネットワーク (cGAN) アーキテクチャを用いて, コーパス・カロサムのMRI画像から顕微鏡組織像を生成する方法を検討した。
  論文  参考訳（メタデータ） (2023-10-16T13:58:53Z)
• On-chip quantum information processing with distinguishable photons [55.41644538483948]
  多光子干渉は光量子技術の中心にある。 そこで本研究では,共振器型集積光子源に必要なスケールで変形した光子を干渉させるのに十分な時間分解能で検出を実装できることを実験的に実証した。 ボソンサンプリング実験において,非イデアル光子の時間分解検出がエンタングル操作の忠実度を向上し,計算複雑性の低減を図ることができることを示す。
  論文  参考訳（メタデータ） (2022-10-14T18:16:49Z)
• 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)
• Single-Pixel Imaging in Space and Time with Optically-Modulated Free Electrons [0.0]
  シングルピクセルイメージングは、もともと光光学で開発されたもので、高速な3次元サンプル再構成や、従来のマルチピクセル検出器では検出できない光波長の探索を容易にする。 本稿では,光を変調した電子を光子の代わりに利用し,空間的および時間的に分解された1画素イメージングを実現する,現在利用可能な超高速電子顕微鏡の達成可能な修正を頼りに,単画素イメージングの実装を提案する。
  論文  参考訳（メタデータ） (2022-03-14T17:34:52Z)
• Photon detection probability prediction using one-dimensional generative neural network [62.997667081978825]
  本論文では,OuterProduct-layer を用いて特徴を効率よく生成する一次元生成モデルを提案する。 このモデルは光子輸送シミュレーションをバイパスし、特定の光子検出器によって検出された光子の数をGeant4simulationと同じレベルで予測する。 この生成モデルは、ProtoDUNEやDUNEのような巨大な液体アルゴン検出器の光子検出確率を迅速に予測するために用いられる。
  論文  参考訳（メタデータ） (2021-09-11T01:43:12Z)
• Learning Guided Electron Microscopy with Active Acquisition [8.181540928891913]
  画像の単一ビームSEM取得を高速化し,最適化するためにディープラーニングを利用する方法を示す。 提案手法は,情報欠落画像を迅速に収集し,新しい学習法を適用し,高分解能で収集すべき画素のごく一部を識別する。 本稿では,神経生物学におけるコネクトロミックデータセットの収集作業を最大で1桁高速化することで,本手法の有効性を実証する。
  論文  参考訳（メタデータ） (2021-01-07T20:03:16Z)
• Cryo-ZSSR: multiple-image super-resolution based on deep internal learning [14.818511430476589]
  単一粒子低温電子顕微鏡 (cryo-EM) は、タンパク質やマクロ分子複合体を原子近傍の分解能で可視化できる新しい画像モダリティである。 本稿では,低SNR条件下での動作に特化して設計された深層学習に基づくマルチイメージSRアルゴリズムを提案する。 以上の結果から,低倍率画像と画像SRの組み合わせは,解像度を犠牲にすることなく,Cryo-EMデータ収集を加速させる可能性が示唆された。
  論文  参考訳（メタデータ） (2020-11-22T14:04:54Z)
• Data-Driven Discovery of Molecular Photoswitches with Multioutput Gaussian Processes [51.17758371472664]
  フォトウィッチ可能な分子は、光によってアクセスされる2つ以上の異性体である。 本稿では、データセットキュレーションとマルチタスク学習を基盤とした、分子フォトウィッチのためのデータ駆動探索パイプラインを提案する。 提案手法は, 市販フォトウィッチ可能な分子のライブラリーをスクリーニングし, 実験的に検証した。
  論文  参考訳（メタデータ） (2020-06-28T20:59:03Z)

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。