論文の概要: Deep learning at the edge enables real-time streaming ptychographic imaging

• arxiv url: http://arxiv.org/abs/2209.09408v1
• Date: Tue, 20 Sep 2022 02:02:37 GMT
• ステータス: 処理完了
• システム内更新日: 2022-09-21 19:28:21.323781
• Title: Deep learning at the edge enables real-time streaming ptychographic imaging
• Title（参考訳）: エッジでのディープラーニングでリアルタイムストリーミングptychographyイメージングが可能に
• Authors: Anakha V Babu, Tao Zhou, Saugat Kandel, Tekin Bicer, Zhengchun Liu, William Judge, Daniel J. Ching, Yi Jiang, Sinisa Veseli, Steven Henke, Ryan Chard, Yudong Yao, Ekaterina Sirazitdinova, Geetika Gupta, Martin V. Holt, Ian T. Foster, Antonino Miceli, Mathew J. Cherukara
• Abstract要約: プチコグラフィーのようなコヒーレントな顕微鏡技術は、ナノスケールの材料特性に革命をもたらす可能性がある。 従来のアプローチでは、高速コヒーレントイメージング実験からサンプル画像をリアルタイムで回収するのに十分ではない。 ここでは、エッジでの人工知能と高性能コンピューティングを活用して、検出器から直接最大2kHzでストリーミングされるX線写真データのリアルタイムインバージョンを可能にするワークフローを実演する。
• 参考スコア（独自算出の注目度）: 7.4083593332068975
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Coherent microscopy techniques provide an unparalleled multi-scale view of materials across scientific and technological fields, from structural materials to quantum devices, from integrated circuits to biological cells. Driven by the construction of brighter sources and high-rate detectors, coherent X-ray microscopy methods like ptychography are poised to revolutionize nanoscale materials characterization. However, associated significant increases in data and compute needs mean that conventional approaches no longer suffice for recovering sample images in real-time from high-speed coherent imaging experiments. Here, we demonstrate a workflow that leverages artificial intelligence at the edge and high-performance computing to enable real-time inversion on X-ray ptychography data streamed directly from a detector at up to 2 kHz. The proposed AI-enabled workflow eliminates the sampling constraints imposed by traditional ptychography, allowing low dose imaging using orders of magnitude less data than required by traditional methods.
• Abstract（参考訳）: コヒーレント顕微鏡技術は、構造材料から量子デバイス、集積回路から生体細胞まで、科学および技術分野にわたる材料の非並列的多スケールビューを提供する。 明るい光源と高レート検出器の構築によって、プチコグラフィーのようなコヒーレントX線顕微鏡法はナノスケールの材料特性に革命をもたらす。 しかしながら、データと計算ニーズの大幅な増加は、従来の手法では高速コヒーレントイメージング実験からサンプル画像をリアルタイムに回収するには不十分であることを意味する。 本稿では,最先端の人工知能とハイパフォーマンスコンピューティングを活用して,検出器から直接2khzでストリームされるx線ピンチグラフィデータのリアルタイムインバージョンを実現するワークフローを実演する。 提案するai対応ワークフローは従来のptychographyによって課されるサンプリング制約を取り除き、従来の方法よりも桁違いに少ないデータで低線量イメージングを可能にする。

関連論文リスト

• CathFlow: Self-Supervised Segmentation of Catheters in Interventional Ultrasound Using Optical Flow and Transformers [66.15847237150909]
  縦型超音波画像におけるカテーテルのセグメンテーションのための自己教師型ディープラーニングアーキテクチャを提案する。 ネットワークアーキテクチャは、Attention in Attentionメカニズムで構築されたセグメンテーショントランスフォーマであるAiAReSeg上に構築されている。 我々は,シリコンオルタファントムから収集した合成データと画像からなる実験データセット上で,我々のモデルを検証した。
  論文  参考訳（メタデータ） (2024-03-21T15:13:36Z)
• Rapid hyperspectral photothermal mid-infrared spectroscopic imaging from sparse data for gynecologic cancer tissue subtyping [3.550171634694342]
  ミドル赤外線(Mid-Infrared、MIR)は、ラベルなし、生化学的に定量的な技術である。 この研究は、MIR光熱画像への新しいアプローチを示し、その速度を桁違いに向上させる。
  論文  参考訳（メタデータ） (2024-02-28T00:57:35Z)
• Rapid detection of rare events from in situ X-ray diffraction data using machine learning [3.793863205903028]
  高エネルギーX線回折法は、金属多結晶工学材料の3次元微細構造と関連する特性を非破壊的にマッピングすることができる。 これらの方法は、進化するミクロ構造や特性の時間とともにスナップショットを取るために、熱力学的負荷などの外部刺激と組み合わせられることが多い。 本稿では、高エネルギーX線顕微鏡データにおいて、塑性の開始を迅速に検出できる完全自動化技術を提案する。
  論文  参考訳（メタデータ） (2023-12-07T02:14:39Z)
• OADAT: Experimental and Synthetic Clinical Optoacoustic Data for Standardized Image Processing [62.993663757843464]
  オプトアコースティック(OA)イメージングは、ナノ秒レーザーパルスによる生体組織の励起と、光吸収による熱弾性膨張によって発生する超音波の検出に基づいている。 OAイメージングは、深部組織における豊富な光学コントラストと高分解能の強力な組み合わせを特徴としている。 臨床環境でのOAの幅広い応用を促進するために、異なるタイプの実験的なセットアップと関連する処理手法で生成される標準化データセットは存在しない。
  論文  参考訳（メタデータ） (2022-06-17T08:11:26Z)
• Subspace modeling for fast and high-sensitivity X-ray chemical imaging [4.062272647963248]
  TXM-XANESイメージング技術は、マルチエネルギーのX線で一連の顕微鏡画像を取得して化学マップを得るという、新たなツールである。 高速かつ高感度なケミカルイメージングを実現するため,画像品質向上のためのシンプルで頑健なデノナイジング手法を提案する。
  論文  参考訳（メタデータ） (2022-01-01T23:26:06Z)
• Deep Learning for Ultrasound Beamforming [120.12255978513912]
  受信した超音波エコーを空間画像領域にマッピングするビームフォーミングは、超音波画像形成チェーンの心臓に位置する。 現代の超音波イメージングは、強力なデジタル受信チャネル処理の革新に大きく依存している。 ディープラーニング手法は、デジタルビームフォーミングパイプラインにおいて魅力的な役割を果たす。
  論文  参考訳（メタデータ） (2021-09-23T15:15:21Z)
• A parameter refinement method for Ptychography based on Deep Learning concepts [55.41644538483948]
  伝播距離、位置誤差、部分的コヒーレンスにおける粗いパラメトリゼーションは、しばしば実験の生存性を脅かす。 最新のDeep Learningフレームワークは、セットアップの不整合を自律的に補正するために使用され、ポチコグラフィーの再構築の質が向上する。 我々は,elettra シンクロトロン施設のツインミックビームラインで取得した合成データセットと実データの両方でシステムをテストした。
  論文  参考訳（メタデータ） (2021-05-18T10:15:17Z)
• AS-Net: Fast Photoacoustic Reconstruction with Multi-feature Fusion from Sparse Data [1.7237160821929758]
  光音響イメージングは、従来の光学イメージング技術よりもはるかに大きな深さでの光吸収の高コントラスト画像を得ることができる。 本稿では,スパースPA生データをニューラルネットワークに適したものにするために,新しい信号処理手法を提案する。 次に,多機能核融合を用いたPA再構成のためのアテンションステアリングネットワーク(AS-Net)を提案する。
  論文  参考訳（メタデータ） (2021-01-22T03:49:30Z)
• CNN-Based Image Reconstruction Method for Ultrafast Ultrasound Imaging [9.659642285903418]
  超高速超音波(US)は、フルビューフレームを1kHz以上で取得できるバイオメディカルイメージングに革命をもたらした。 強い回折アーチファクトに悩まされ、主に格子状葉、サイドローブ、エッジウェーブによって引き起こされる。 本稿では,2段階の畳み込みニューラルネットワーク(CNN)を用いた画像再構成手法を提案する。
  論文  参考訳（メタデータ） (2020-08-28T17:15:37Z)
• Searching for Efficient Architecture for Instrument Segmentation in Robotic Surgery [58.63306322525082]
  ほとんどのアプリケーションは、高解像度の外科画像の正確なリアルタイムセグメンテーションに依存している。 我々は,高解像度画像のリアルタイム推論を行うために調整された,軽量で高効率なディープ残差アーキテクチャを設計する。
  論文  参考訳（メタデータ） (2020-07-08T21:38:29Z)
• Multifold Acceleration of Diffusion MRI via Slice-Interleaved Diffusion Encoding (SIDE) [50.65891535040752]
  本稿では,Slice-Interleaved Diffusionと呼ばれる拡散符号化方式を提案する。 SIDEは、拡散重み付き(DW)画像ボリュームを異なる拡散勾配で符号化したスライスでインターリーブする。 また,高いスライスアンサンプデータからDW画像を効果的に再構成するためのディープラーニングに基づく手法を提案する。
  論文  参考訳（メタデータ） (2020-02-25T14:48:17Z)

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。