論文の概要: Direct Motif Extraction from High Resolution Crystalline STEM Images
- arxiv url: http://arxiv.org/abs/2303.07438v1
- Date: Mon, 13 Mar 2023 19:35:54 GMT
- ステータス: 処理完了
- システム内更新日: 2023-03-15 17:29:30.790036
- Title: Direct Motif Extraction from High Resolution Crystalline STEM Images
- Title（参考訳）: 高分解能結晶STEM画像からの直接モチーフ抽出
- Authors: Amel Shamseldeen Ali Alhasan, Siyuan Zhang, Benjamin Berkels
- Abstract要約: 自動で教師なしのモチーフ抽出は、まだ広く利用できない。
プリミティブセルの最小化を決定するために、新しい多段階プロジェクションアルゴリズムが使用される。
HAADF STEM画像の合成と実験を行った。
- 参考スコア（独自算出の注目度）: 2.2660999029854536
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: During the last decade, automatic data analysis methods concerning different
aspects of crystal analysis have been developed, e.g., unsupervised primitive
unit cell extraction and automated crystal distortion and defects detection.
However, an automatic, unsupervised motif extraction method is still not widely
available yet. Here, we propose and demonstrate a novel method for the
automatic motif extraction in real space from crystalline images based on a
variational approach involving the unit cell projection operator. Due to the
non-convex nature of the resulting minimization problem, a multi-stage
algorithm is used. First, we determine the primitive unit cell in form of two
lattice vectors. Second, a motif image is estimated using the unit cell
information. Finally, the motif is determined in terms of atom positions inside
the unit cell. The method was tested on various synthetic and experimental
HAADF STEM images. The results are a representation of the motif in form of an
image, atomic positions, primitive unit cell vectors, and a denoised and a
modeled reconstruction of the input image. The method was applied to extract
the primitive cells of complex $\mu$-phase structures
Nb$_\text{6.4}$Co$_\text{6.6}$ and Nb$_\text{7}$Co$_\text{6}$, where subtle
differences between their interplanar spacings were determined.
- Abstract（参考訳）: 過去10年間、非教師付き原始セル抽出や結晶歪みの自動検出など、結晶分析のさまざまな側面に関する自動データ解析手法が開発されてきた。
しかし, 自動教師なしモチーフ抽出法はまだ広く普及していない。
本稿では,単位セル射影演算子を含む変分アプローチに基づいて,結晶画像から実空間におけるモチーフの自動抽出手法を提案する。
結果として生じる最小化問題の非凸性のため、多段アルゴリズムが用いられる。
まず、2つの格子ベクトルの形で原始単位セルを決定する。
次に、単位セル情報を用いてモチーフ画像の推定を行う。
最後に、モチーフは単位細胞内の原子の位置によって決定される。
この方法は様々な合成および実験的なhaadfのstem画像でテストされた。
その結果、モチーフの表現は、画像、原子位置、原始単位セルベクター、および入力画像のデノ化およびモデル化された再構成によって行われる。
この方法は、複雑な$\mu$-phase構造 nb$_\text{6.4}$co$_\text{6.6}$とnb$_\text{7}$co$_\text{6}$のプリミティブセルを抽出するために応用され、平面間間隔の微妙な違いが決定された。
関連論文リスト
- Interpretable Embeddings for Segmentation-Free Single-Cell Analysis in Multiplex Imaging [1.8687965482996822]
多重イメージング(MI)は、複数の生物学的マーカーを、細胞内解像度で別々のイメージングチャネルで同時に可視化することを可能にする。
本稿では,グループ化畳み込みを利用して各画像チャンネルから解釈可能な埋め込み特徴を学習するセグメンテーションフリーなディープラーニング手法を提案する。
論文 参考訳（メタデータ） (2024-11-02T11:21:33Z) - Deep Learning Based Speckle Filtering for Polarimetric SAR Images. Application to Sentinel-1 [51.404644401997736]
本稿では、畳み込みニューラルネットワークを用いて偏光SAR画像のスペックルを除去するための完全なフレームワークを提案する。
実験により,提案手法はスペックル低減と分解能保存の両方において例外的な結果をもたらすことが示された。
論文 参考訳（メタデータ） (2024-08-28T10:07:17Z) - Diffeomorphic Template Registration for Atmospheric Turbulence Mitigation [50.16004183320537]
大気の乱流により劣化した画像の集合体に基づく放射能の回復法について述べる。
画像の1つを参照として選択し、その画像から他の画像への光フローの集約により、この画像の変形をモデル化する。
単純さに拘わらず、最先端のパフォーマンスを実現しています。
論文 参考訳（メタデータ） (2024-05-06T17:39:53Z) - Denoising Diffusion Probabilistic Models for Image Inpainting of Cell
Distributions in the Human Brain [0.0]
そこで本研究では,細胞-体間染色部の光顕微鏡スキャンにより学習した拡散確率モデル(DDPM)を提案する。
訓練したDDPMは,この目的のために非常にリアルな画像情報を生成でき,可塑性細胞統計と細胞構造パターンを生成できることを示す。
論文 参考訳（メタデータ） (2023-11-28T14:34:04Z) - Affine-Consistent Transformer for Multi-Class Cell Nuclei Detection [76.11864242047074]
本稿では, 原子核位置を直接生成する新しいアフィン一貫性変換器 (AC-Former) を提案する。
本稿では,AAT (Adaptive Affine Transformer) モジュールを導入し,ローカルネットワークトレーニングのためのオリジナル画像をワープするための重要な空間変換を自動学習する。
実験結果から,提案手法は様々なベンチマークにおいて既存の最先端アルゴリズムを著しく上回ることがわかった。
論文 参考訳（メタデータ） (2023-10-22T02:27:02Z) - Dual-View Selective Instance Segmentation Network for Unstained Live
Adherent Cells in Differential Interference Contrast Images [11.762090096790823]
接着細胞は低コントラスト構造、フェーディングエッジ、不規則な形態を有する。
DIC画像中の非定常付着細胞をセグメント化するための新しいディープラーニングアルゴリズムを開発した。
このアルゴリズムは、ベンチマークを23.6%上回る0.555のAP_segmを達成する。
論文 参考訳（メタデータ） (2023-01-27T02:22:33Z) - Stain-invariant self supervised learning for histopathology image
analysis [74.98663573628743]
乳がんのヘマトキシリンおよびエオシン染色像におけるいくつかの分類課題に対する自己監督アルゴリズムを提案する。
本手法は,いくつかの乳がんデータセット上での最先端のパフォーマンスを実現する。
論文 参考訳（メタデータ） (2022-11-14T18:16:36Z) - Self-Supervised Predictive Convolutional Attentive Block for Anomaly
Detection [97.93062818228015]
本稿では,再建に基づく機能を,新たな自己監督型予測アーキテクチャビルディングブロックに統合することを提案する。
我々のブロックは、受容領域におけるマスク領域に対する再構成誤差を最小限に抑える損失を備える。
画像やビデオの異常検出のための最先端フレームワークに組み込むことで,ブロックの汎用性を実証する。
論文 参考訳（メタデータ） (2021-11-17T13:30:31Z) - From augmented microscopy to the topological transformer: a new approach
in cell image analysis for Alzheimer's research [0.0]
細胞画像解析は、細胞機能を抑制するA$beta$タンパク質の存在を検出するために、アルツハイマーの研究において重要である。
Unetは,マルチクラスセマンティックスセグメンテーションの性能を比較することで,拡張顕微鏡に最も適していることがわかった。
我々は,Unetモデルを用いて,光電場画像中の原子核を捕捉する拡張顕微鏡法を開発し,入力画像を位相情報列に変換する。
論文 参考訳（メタデータ） (2021-08-03T16:59:33Z) - Non-Homogeneous Haze Removal via Artificial Scene Prior and
Bidimensional Graph Reasoning [52.07698484363237]
本研究では,人工シーンの前置と2次元グラフ推論による不均質なヘイズ除去ネットワーク(nhrn)を提案する。
本手法は,単一画像デハジングタスクとハイザイ画像理解タスクの両方において,最先端アルゴリズムよりも優れた性能を実現する。
論文 参考訳（メタデータ） (2021-04-05T13:04:44Z) - A Differential Model of the Complex Cell [24.756003635916613]
本稿では、ガウス誘導体に基づく複素細胞の代替モデルを提案する。
画像の小さな変化に対する複雑な応答の不感性を考慮することが最も重要である。
本稿では,新しいモデルと皮質画像表現との関連について論じる。
論文 参考訳（メタデータ） (2020-12-09T10:23:23Z)
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。