論文の概要: Fast and robust single particle reconstruction in 3D fluorescence
microscopy
- arxiv url: http://arxiv.org/abs/2301.09452v1
- Date: Mon, 23 Jan 2023 14:20:01 GMT
- ステータス: 処理完了
- システム内更新日: 2023-01-24 13:25:15.786896
- Title: Fast and robust single particle reconstruction in 3D fluorescence
microscopy
- Title(参考訳): 3次元蛍光顕微鏡による高速かつロバストな単一粒子再構成
- Authors: Thibaut Eloy, Etienne Baudrier, Marine Laporte, Virginie Hamel, Paul
Guichard, Denis Fortun
- Abstract要約: 単一粒子再構成は、軸方向分解能と蛍光標識の度合いを改善するための強力な技術である。
3次元蛍光顕微鏡における畳み込みモデル専用の単一粒子再構成法を提案する。
計算コストを低く抑えつつ,分解能および再構成誤差の観点から合成手法を実証する。
- 参考スコア(独自算出の注目度): 1.0625549557437526
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Single particle reconstruction has recently emerged in 3D fluorescence
microscopy as a powerful technique to improve the axial resolution and the
degree of fluorescent labeling. It is based on the reconstruction of an average
volume of a biological particle from the acquisition multiple views with
unknown poses. Current methods are limited either by template bias, restriction
to 2D data, high computational cost or a lack of robustness to low fluorescent
labeling. In this work, we propose a single particle reconstruction method
dedicated to convolutional models in 3D fluorescence microscopy that overcome
these issues. We address the joint reconstruction and estimation of the poses
of the particles, which translates into a challenging non-convex optimization
problem. Our approach is based on a multilevel reformulation of this problem,
and the development of efficient optimization techniques at each level. We
demonstrate on synthetic data that our method outperforms the standard
approaches in terms of resolution and reconstruction error, while achieving a
low computational cost. We also perform successful reconstruction on real
datasets of centrioles to show the potential of our method in concrete
applications.
- Abstract(参考訳): 単一粒子の再構成は3次元蛍光顕微鏡において軸分解能と蛍光標識の程度を改善する強力な技術として最近登場している。
これは、未知のポーズによる複数の視点の獲得から生物粒子の平均体積を再構成することに基づいている。
現在の手法は、テンプレートバイアス、2次元データに対する制限、高い計算コスト、低蛍光ラベリングに対する堅牢性の欠如によって制限されている。
本研究では,これらの問題を克服する3次元蛍光顕微鏡における畳み込みモデル専用の単一粒子再構成法を提案する。
本稿では,粒子のポーズの同時再構成と推定について検討し,非凸最適化問題へと変換する。
提案手法は,この問題の多段階的修正と,各レベルにおける効率的な最適化手法の開発に基づいている。
提案手法は, 計算コストを低く抑えながら, 分解能および再構成誤差の点で, 標準的な手法よりも優れた合成データを示す。
また,本手法の具体的応用の可能性を示すために,実際のセントリルデータセットの再構築に成功した。
関連論文リスト
- Pixelated Reconstruction of Foreground Density and Background Surface
Brightness in Gravitational Lensing Systems using Recurrent Inference
Machines [116.33694183176617]
我々は、リカレント推論マシンに基づくニューラルネットワークを用いて、背景画像の歪みのない画像と、画素マップとしてのレンズ質量密度分布を再構成する。
従来のパラメトリックモデルと比較して、提案手法はより表現力が高く、複雑な質量分布を再構成することができる。
論文 参考訳(メタデータ) (2023-01-10T19:00:12Z) - Solving 3D Inverse Problems using Pre-trained 2D Diffusion Models [33.343489006271255]
拡散モデルは、高品質なサンプルを持つ新しい最先端の生成モデルとして登場した。
そこで本研究では, モデルに基づく2次元拡散を, 全次元にわたるコヒーレントな再構成を達成できるように, 実験時の残りの方向で先行する2次元拡散を拡大することを提案する。
提案手法は,1つのコモディティGPU上で動作可能であり,新しい最先端技術を確立する。
論文 参考訳(メタデータ) (2022-11-19T10:32:21Z) - Estimation of Optical Aberrations in 3D Microscopic Bioimages [1.588193964339148]
生体試料の3次元画像に使用可能なPhaseNetの拡張について述べる。
我々は、Richardson-Lucyデコンボリューションを通じて、Pythonベースのイメージの復元を追加します。
予測されたPSFとのデコンボリューションは, 模擬収差を除去するだけでなく, 未知のPSFをともなう実際の生顕微鏡画像の品質を向上させることができる。
論文 参考訳(メタデータ) (2022-09-16T13:22:25Z) - Self-calibrating Photometric Stereo by Neural Inverse Rendering [88.67603644930466]
本稿では3次元オブジェクト再構成のための非校正光度ステレオの課題に取り組む。
本研究では,物体形状,光方向,光強度を協調的に最適化する手法を提案する。
本手法は,実世界のデータセット上での光推定と形状復元における最先端の精度を示す。
論文 参考訳(メタデータ) (2022-07-16T02:46:15Z) - MonoSDF: Exploring Monocular Geometric Cues for Neural Implicit Surface
Reconstruction [72.05649682685197]
最先端のニューラル暗黙法は、多くの入力ビューから単純なシーンの高品質な再構築を可能にする。
これは主に、十分な制約を提供していないRGB再構築損失の固有の曖昧さによって引き起こされる。
近年の単分子形状予測の分野での進歩に触発され, ニューラルな暗黙的表面再構成の改善にこれらの方法が役立つかを探究する。
論文 参考訳(メタデータ) (2022-06-01T17:58:15Z) - Neural 3D Reconstruction in the Wild [86.6264706256377]
そこで我々は,インターネット写真コレクションから効率よく高精度な表面再構成を実現する新しい手法を提案する。
そこで本研究では,これらのシーンにおける再構成性能を評価するための新しいベンチマークとプロトコルを提案する。
論文 参考訳(メタデータ) (2022-05-25T17:59:53Z) - CryoAI: Amortized Inference of Poses for Ab Initio Reconstruction of 3D
Molecular Volumes from Real Cryo-EM Images [30.738209997049395]
粒子ポーズの勾配に基づく最適化と単一粒子Creo-EMデータからの電子散乱電位を用いた等質コンフォーメーションのためのアブイニシアト再構成アルゴリズムであるCreoAIを紹介する。
CryoAIは、シミュレーションデータと実験データの両方に対して、最先端のCryo-EMソルバと同等の結果を得る。
論文 参考訳(メタデータ) (2022-03-15T17:58:03Z) - Multi-Channel Convolutional Analysis Operator Learning for Dual-Energy
CT Reconstruction [108.06731611196291]
我々は,多チャンネル畳み込み解析演算子学習法(MCAOL)を開発した。
本研究では,低エネルギー,高エネルギーで減衰画像を共同で再構成する最適化手法を提案する。
論文 参考訳(メタデータ) (2022-03-10T14:22:54Z) - Low dosage 3D volume fluorescence microscopy imaging using compressive
sensing [0.0]
本稿では, 圧縮センシングによる3Dボリュームの完全再構成を, 励起量の半分未満のSNRで行う方法を提案する。
ゼブラフィッシュ胚脊髄のRFP標識ニューロンの3次元体積を, 共焦点顕微鏡を用いて0.1umの軸方向サンプリングにより計測し, 本手法の実証を行った。
この研究で開発されたCSベースの手法は、2光子や光シート顕微鏡などの他の深部イメージングに容易に適用でき、サンプル光毒性の低減は重要な課題である。
論文 参考訳(メタデータ) (2022-01-03T18:44:50Z) - 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)
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。