論文の概要: Semi- and Self-Supervised Multi-View Fusion of 3D Microscopy Images
using Generative Adversarial Networks
- arxiv url: http://arxiv.org/abs/2108.02743v1
- Date: Thu, 5 Aug 2021 17:21:01 GMT
- ステータス: 処理完了
- システム内更新日: 2021-08-06 14:49:42.307772
- Title: Semi- and Self-Supervised Multi-View Fusion of 3D Microscopy Images
using Generative Adversarial Networks
- Title（参考訳）: 生成逆ネットワークを用いた3次元顕微鏡画像の半・自己監督多視点融合
- Authors: Canyu Yang, Dennis Eschweiler, Johannes Stegmaier
- Abstract要約: 蛍光顕微鏡の最近の進歩により、生体モデル生物の高解像度3D画像の撮影が可能になった。
巨大な標本を撮影するためには、多視点の光シート画像のような技術が各時点の異なる向きを記録している。
CNNベースのマルチビューデコンボリューションと2つの合成データセットとの融合は、胚の発生を模倣し、2つまたは4つの相補的な3Dビューを含む。
- 参考スコア（独自算出の注目度）: 0.11719282046304678
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Recent developments in fluorescence microscopy allow capturing
high-resolution 3D images over time for living model organisms. To be able to
image even large specimens, techniques like multi-view light-sheet imaging
record different orientations at each time point that can then be fused into a
single high-quality volume. Based on measured point spread functions (PSF),
deconvolution and content fusion are able to largely revert the inevitable
degradation occurring during the imaging process. Classical multi-view
deconvolution and fusion methods mainly use iterative procedures and
content-based averaging. Lately, Convolutional Neural Networks (CNNs) have been
deployed to approach 3D single-view deconvolution microscopy, but the
multi-view case waits to be studied. We investigated the efficacy of CNN-based
multi-view deconvolution and fusion with two synthetic data sets that mimic
developing embryos and involve either two or four complementary 3D views.
Compared with classical state-of-the-art methods, the proposed semi- and
self-supervised models achieve competitive and superior deconvolution and
fusion quality in the two-view and quad-view cases, respectively.
- Abstract（参考訳）: 蛍光顕微鏡の最近の進歩により、生体の高分解能3d画像の撮影が可能となった。
さらに大きな標本を撮影するために、マルチビュー・ライトシート・イメージングのような技術は各時点ごとに異なる向きを記録し、それを単一の高品質なボリュームに融合させる。
測定点拡散関数 (PSF) に基づいて、デコンボリューションとコンテント融合は、撮像過程中に生じる必然的な劣化を大きく戻すことができる。
古典的なマルチビューデコンボリューションと融合法は、主に反復手順とコンテンツベースの平均化を用いる。
最近では、畳み込みニューラルネットワーク(CNN)が3次元の1次元デ畳み込み顕微鏡にアプローチするためにデプロイされているが、マルチビューケースは研究が待たれている。
今回我々は,cnnを用いた多視点デコンボリューションと融合法について,胚の発達を模倣し,相補的な3dビューを2つまたは4つ含む2つの合成データセットを用いて検討した。
従来の最先端手法と比較して,提案する半教師付きモデルと自己教師付きモデルは,それぞれ2視点と4視点のケースにおいて,競争性と優れた縮合性と融合品質を達成している。
関連論文リスト
- MagicMan: Generative Novel View Synthesis of Humans with 3D-Aware Diffusion and Iterative Refinement [23.707586182294932]
単一画像再構成における既存の作業は、訓練データ不足や総合的な多視点知識の欠如による3次元不整合により、弱い一般化性に悩まされている。
単一の参照画像から高品質な新規ビュー画像を生成するために設計された,人間固有の多視点拡散モデルであるMagicManを紹介する。
論文 参考訳（メタデータ） (2024-08-26T12:10:52Z) - CryoSPIN: Improving Ab-Initio Cryo-EM Reconstruction with Semi-Amortized Pose Inference [30.195615398809043]
Cryo-EMは、高分子錯体の原子分解能3次元構造を決定する方法として人気が高まっている。
近年のCryo-EMの進歩は、アモートされた推論がポーズを予測するために使われている深層学習に焦点が当てられている。
本稿では,半アモタイズ法であるCryoSPINを提案する。この手法では,復元はアモタイズされた推論から始まり,自動デコードに切り替える。
論文 参考訳（メタデータ） (2024-06-15T00:44:32Z) - SDR-Former: A Siamese Dual-Resolution Transformer for Liver Lesion
Classification Using 3D Multi-Phase Imaging [59.78761085714715]
本研究は肝病変分類のための新しいSDR-Formerフレームワークを提案する。
提案フレームワークは2つの臨床データセットに関する総合的な実験を通じて検証された。
科学コミュニティを支援するため,肝病変解析のための多段階MRデータセットを公開しています。
論文 参考訳（メタデータ） (2024-02-27T06:32:56Z) - EpiDiff: Enhancing Multi-View Synthesis via Localized Epipolar-Constrained Diffusion [60.30030562932703]
EpiDiffは、局所的なインタラクティブなマルチビュー拡散モデルである。
16枚のマルチビュー画像をわずか12秒で生成する。
品質評価の指標では、以前の手法を上回ります。
論文 参考訳（メタデータ） (2023-12-11T05:20:52Z) - Wonder3D: Single Image to 3D using Cross-Domain Diffusion [105.16622018766236]
Wonder3Dは、単一視点画像から高忠実なテクスチャメッシュを効率的に生成する新しい手法である。
画像から3Dまでのタスクの品質,一貫性,効率性を総括的に改善するため,領域間拡散モデルを提案する。
論文 参考訳（メタデータ） (2023-10-23T15:02:23Z) - Progressive Multi-view Human Mesh Recovery with Self-Supervision [68.60019434498703]
既存のソリューションは通常、新しい設定への一般化性能の低下に悩まされる。
マルチビューヒューマンメッシュリカバリのためのシミュレーションに基づく新しいトレーニングパイプラインを提案する。
論文 参考訳（メタデータ） (2022-12-10T06:28:29Z) - Multi-View Photometric Stereo Revisited [100.97116470055273]
多視点測光ステレオ(MVPS)は、画像から被写体を詳細に正確に3D取得する方法として好まれる。
MVPSは異方性や光沢などの他の対象物質と同様に,等方性に対しても有効である。
提案手法は、複数のベンチマークデータセットで広範囲にテストした場合に、最先端の結果を示す。
論文 参考訳（メタデータ） (2022-10-14T09:46:15Z) - Mutual Attention-based Hybrid Dimensional Network for Multimodal Imaging
Computer-aided Diagnosis [4.657804635843888]
マルチモーダル3次元医用画像分類(MMNet)のための新しい相互注意型ハイブリッド次元ネットワークを提案する。
ハイブリッド次元ネットワークは2D CNNと3D畳み込みモジュールを統合し、より深くより情報的な特徴マップを生成する。
さらに,画像モダリティの異なる類似の立体視領域において,各領域の整合性を構築するために,ネットワーク内の相互注意フレームワークを設計する。
論文 参考訳（メタデータ） (2022-01-24T02:31:25Z) - IMAGINE: Image Synthesis by Image-Guided Model Inversion [79.4691654458141]
IMGE-Guided Model INvErsion (IMAGINE) と呼ばれるインバージョンベースの手法を導入し、高品質で多様な画像を生成します。
我々は,事前学習した分類器から画像意味論の知識を活用し,妥当な世代を実現する。
IMAGINEは,1)合成中の意味的特異性制約を同時に実施し,2)ジェネレータトレーニングなしでリアルな画像を生成し,3)生成過程を直感的に制御する。
論文 参考訳（メタデータ） (2021-04-13T02:00:24Z) - Deeply-Supervised Density Regression for Automatic Cell Counting in
Microscopy Images [9.392002197101965]
顕微鏡画像中の細胞を自動的にカウントする密度回帰に基づく新しい手法を提案する。
提案手法は, 従来のレグレッションベース手法と比較して, 2つのイノベーションを処理している。
4つのデータセットで評価した実験により,提案手法の優れた性能が示された。
論文 参考訳（メタデータ） (2020-11-07T04:02:47Z) - Semi-Automatic Generation of Tight Binary Masks and Non-Convex
Isosurfaces for Quantitative Analysis of 3D Biological Samples [0.2711107673793059]
現在の顕微鏡では、完全な生物(3D+t)の3D+tが細胞レベルでの開発に関する洞察を与えてくれる。
画像の速度と品質は着実に改善されているが、完全セグメンテーション解析法は十分ではない。
これは、画像(100um - 1mm)と標本の奥深くに当てはまる。
胚の3D+t光シート顕微鏡画像の定量的解析システムを開発した。
論文 参考訳（メタデータ） (2020-01-30T17:36:42Z)
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。