論文の概要: Lensless multicore-fiber microendoscope for real-time tailored light field generation with phase encoder neural network (CoreNet)

• arxiv url: http://arxiv.org/abs/2111.12758v1
• Date: Wed, 24 Nov 2021 19:37:32 GMT
• ステータス: 処理完了
• システム内更新日: 2021-11-29 17:49:40.550938
• Title: Lensless multicore-fiber microendoscope for real-time tailored light field generation with phase encoder neural network (CoreNet)
• Title（参考訳）: 位相エンコーダニューラルネットワーク(corenet)を用いたリアルタイム光フィールド生成用レンズレスマルチコアファイバーマイクロ内視鏡
• Authors: Jiawei Sun, Jiachen Wu, Nektarios Koukourakis, Robert Kuschmierz, Liangcai Cao and Juergen Czarske
• Abstract要約: 新しい位相深層ニューラルネットワーク(CoreNet)は、近ビデオレートでMCFエンコーダのための正確な調整されたCGHを生成することができる。 CoreNetは、2等級の計算時間を高速化し、生成された光場の忠実度を高めることができる。 これは、リアルタイムセルローテーションの道と、バイオメディシンにおけるリアルタイムの高忠実な光の伝達を必要とするいくつかの応用を舗装する。
• 参考スコア（独自算出の注目度）: 0.5505013339790825
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The generation of tailored light with multi-core fiber (MCF) lensless microendoscopes is widely used in biomedicine. However, the computer-generated holograms (CGHs) used for such applications are typically generated by iterative algorithms, which demand high computation effort, limiting advanced applications like in vivo optogenetic stimulation and fiber-optic cell manipulation. The random and discrete distribution of the fiber cores induces strong spatial aliasing to the CGHs, hence, an approach that can rapidly generate tailored CGHs for MCFs is highly demanded. We demonstrate a novel phase encoder deep neural network (CoreNet), which can generate accurate tailored CGHs for MCFs at a near video-rate. Simulations show that CoreNet can speed up the computation time by two magnitudes and increase the fidelity of the generated light field compared to the conventional CGH techniques. For the first time, real-time generated tailored CGHs are on-the-fly loaded to the phase-only SLM for dynamic light fields generation through the MCF microendoscope in experiments. This paves the avenue for real-time cell rotation and several further applications that require real-time high-fidelity light delivery in biomedicine.
• Abstract（参考訳）: バイオメディシンでは、マルチコアファイバ(MCF)レンズレスマイクロエンドスコープによる調整光の生成が広く用いられている。 しかし、このような用途に使用されるコンピュータ生成ホログラム(cghs)は通常、高い計算労力を必要とする反復アルゴリズムによって生成され、生体内光刺激や光ファイバー細胞操作のような高度な応用を制限する。 繊維コアのランダムかつ離散分布は、CGHに対して強い空間エイリアスを誘導するので、MCFの調整されたCGHを迅速に生成できるアプローチが要求される。 そこで本研究では,mcfsの高精度調整cghをニアビデオレートで生成可能な,新しい位相エンコーダディープニューラルネットワーク(corenet)を提案する。 シミュレーションにより、CoreNetは従来のCGH技術と比較して計算時間を2等級スピードアップし、生成光場の忠実度を向上できることが示された。 実時間で生成されたCGHは、実験でMCFマイクロエンドスコープを介して動的光場を生成するための位相のみのSLMにオンザフライでロードされる。 これにより、リアルタイムな細胞回転と、バイオメディシンにおけるリアルタイムな高忠実度光伝送を必要とするいくつかの応用への道が開ける。

関連論文リスト

• Hybrid Spiking Neural Networks for Low-Power Intra-Cortical Brain-Machine Interfaces [42.72938925647165]
  皮質内脳-機械界面(iBMI)は麻痺患者の生活を劇的に改善する可能性がある。 現在のiBMIは、ハードウェアと配線が大きすぎるため、スケーラビリティとモビリティの制限に悩まされている。 無線iBMIにおける組込みニューラルデコーディングのためのハイブリッドスパイキングニューラルネットワークについて検討している。
  論文  参考訳（メタデータ） (2024-09-06T17:48:44Z)
• Prototype Learning Guided Hybrid Network for Breast Tumor Segmentation in DCE-MRI [58.809276442508256]
  本稿では,畳み込みニューラルネットワーク(CNN)とトランスフォーマー層を組み合わせたハイブリッドネットワークを提案する。 プライベートおよびパブリックなDCE-MRIデータセットの実験結果から,提案したハイブリッドネットワークは最先端の手法よりも優れた性能を示した。
  論文  参考訳（メタデータ） (2024-08-11T15:46:00Z)
• Self-STORM: Deep Unrolled Self-Supervised Learning for Super-Resolution Microscopy [55.2480439325792]
  我々は、シーケンス固有のモデルベースのオートエンコーダをトレーニングすることで、そのようなデータの必要性を軽減する、深層無学習の自己教師付き学習を導入する。 提案手法は, 監視対象の性能を超過する。
  論文  参考訳（メタデータ） (2024-03-25T17:40:32Z)
• 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)
• Theoretical framework for real time sub-micron depth monitoring using quantum inline coherent imaging [55.2480439325792]
  インラインコヒーレントイメージング(ICI)は、キーホール溶接、添加物製造、マイクロ加工など、様々なレーザプロセスのリアルタイム監視のための信頼性の高い手法である。 軸方向分解能は2m以上に限定されており、ICIはサブミクロンプロセスの監視には適さない。 量子光コヒーレンス・トモグラフィ(Q OCT)の進歩は、1m以上の奥行き分解能を達成してこの問題に対処する可能性がある。
  論文  参考訳（メタデータ） (2023-09-17T17:05:21Z)
• NAF: Neural Attenuation Fields for Sparse-View CBCT Reconstruction [79.13750275141139]
  本稿では,スパースビューCBCT再構成のための新規かつ高速な自己教師型ソリューションを提案する。 所望の減衰係数は、3次元空間座標の連続関数として表現され、完全に接続されたディープニューラルネットワークによってパラメータ化される。 ハッシュ符号化を含む学習ベースのエンコーダが採用され、ネットワークが高周波の詳細をキャプチャするのに役立つ。
  論文  参考訳（メタデータ） (2022-09-29T04:06:00Z)
• LWGNet: Learned Wirtinger Gradients for Fourier Ptychographic Phase Retrieval [14.588976801396576]
  本稿では,フォワードイメージングシステムの知識と深層データ駆動ネットワークを組み合わせたハイブリッドモデル駆動残差ネットワークを提案する。 従来のアンローリング技術とは異なり、LWGNetは従来のディープ・ラーニング・テクニックよりも少ない段数しか使用していない。 この低ビット深度・低コストセンサの性能向上は、FPM撮像装置のコストを大幅に下げる可能性がある。
  論文  参考訳（メタデータ） (2022-08-08T17:22:54Z)
• RF-Photonic Deep Learning Processor with Shannon-Limited Data Movement [0.0]
  光ニューラルネットワーク(ONN)は、超低レイテンシとエネルギー消費を持つ有望な加速器である。 我々は、周波数領域のデータを符号化する乗法的アナログ周波数変換ONN(MAFT-ONN)を導入する。 我々は、生のRF信号で完全にアナログのディープラーニングを演算する最初のハードウェアアクセラレータを実験的に実証した。
  論文  参考訳（メタデータ） (2022-07-08T16:37:13Z)
• Three-dimensional microstructure generation using generative adversarial neural networks in the context of continuum micromechanics [77.34726150561087]
  本研究は, 三次元マイクロ構造生成に適した生成対向ネットワークを提案する。 軽量アルゴリズムは、明示的な記述子を必要とせずに、単一のmicroCTスキャンから材料の基礎特性を学習することができる。
  論文  参考訳（メタデータ） (2022-05-31T13:26:51Z)
• Sparse deep computer-generated holography for optical microscopy [2.578242050187029]
  コンピュータ生成ホログラフィー(CGH)は、ダイレクトビューディスプレイ、バーチャルおよび拡張現実、光学顕微鏡などの幅広い応用がある。 光学顕微鏡のための教師なし生成モデルを用いてCGHアルゴリズムを提案し、3D選択照明を合成する。 このアルゴリズムはスパースディープCGHと呼ばれ、従来のCGHアルゴリズムよりも高コントラストの大きい大きな3次元ボリュームでスパース分散ポイントを生成することができる。
  論文  参考訳（メタデータ） (2021-11-30T07:34:17Z)

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。