論文の概要: Fluctuation-based deconvolution in fluorescence microscopy using
plug-and-play denoisers
- arxiv url: http://arxiv.org/abs/2303.11212v1
- Date: Mon, 20 Mar 2023 15:43:52 GMT
- ステータス: 処理完了
- システム内更新日: 2023-03-21 14:52:00.158673
- Title: Fluctuation-based deconvolution in fluorescence microscopy using
plug-and-play denoisers
- Title（参考訳）: プラグアンドプレイデノイザを用いた蛍光顕微鏡のゆらぎに基づくデコンボリューション
- Authors: Vasiliki Stergiopoulou, Subhadip Mukherjee, Luca Calatroni, Laure
Blanc-F\'eraud
- Abstract要約: 蛍光顕微鏡で得られた生きた試料の画像の空間分解能は、可視光の回折により物理的に制限される。
この制限を克服するために、いくつかのデコンボリューションと超解像技術が提案されている。
- 参考スコア（独自算出の注目度）: 2.236663830879273
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The spatial resolution of images of living samples obtained by fluorescence
microscopes is physically limited due to the diffraction of visible light,
which makes the study of entities of size less than the diffraction barrier
(around 200 nm in the x-y plane) very challenging. To overcome this limitation,
several deconvolution and super-resolution techniques have been proposed.
Within the framework of inverse problems, modern approaches in fluorescence
microscopy reconstruct a super-resolved image from a temporal stack of frames
by carefully designing suitable hand-crafted sparsity-promoting regularisers.
Numerically, such approaches are solved by proximal gradient-based iterative
schemes. Aiming at obtaining a reconstruction more adapted to sample geometries
(e.g. thin filaments), we adopt a plug-and-play denoising approach with
convergence guarantees and replace the proximity operator associated with the
explicit image regulariser with an image denoiser (i.e. a pre-trained network)
which, upon appropriate training, mimics the action of an implicit prior. To
account for the independence of the fluctuations between molecules, the model
relies on second-order statistics. The denoiser is then trained on covariance
images coming from data representing sequences of fluctuating fluorescent
molecules with filament structure. The method is evaluated on both simulated
and real fluorescence microscopy images, showing its ability to correctly
reconstruct filament structures with high values of peak signal-to-noise ratio
(PSNR).
- Abstract（参考訳）: 蛍光顕微鏡により得られた生体試料の画像の空間分解能は可視光の回折によって物理的に制限されるため、回折障壁(x-y平面では約200nm)よりも大きさの実体の研究は極めて困難である。
この制限を克服するために、いくつかのデコンボリューションと超解像技術が提案されている。
逆問題の枠組みの中では、蛍光顕微鏡の現代的なアプローチは、手作りのスパーシティープロモーティングレギュラーを慎重に設計することで、フレームの時間的スタックから超解像を再構成する。
数値的には、そのようなアプローチは近位勾配に基づく反復スキームによって解決される。
サンプルのフィラメント(例えば薄いフィラメント)に適合する再構成の獲得を目指して,コンバージェンス保証を伴うプラグアンドプレイのデノイジングアプローチを採用し,明示的な画像正規化に関連する近接演算子を,適切なトレーニングを行うと暗黙の事前動作を模倣するイメージデノイザー(即ち事前学習されたネットワーク)に置き換える。
分子間のゆらぎの独立性を考慮するため、モデルは二階統計に依存する。
デノイザーは、変動する蛍光分子の配列とフィラメント構造を表すデータから得られる共分散画像に基づいて訓練される。
本手法はシミュレーションおよび実蛍光顕微鏡画像の両方で評価され、ピーク信号対雑音比(psnr)の高いフィラメント構造を正確に再構成する能力を示す。
関連論文リスト
- Oscillation Inversion: Understand the structure of Large Flow Model through the Lens of Inversion Method [60.88467353578118]
実世界のイメージを逆転させる固定点インスパイアされた反復的アプローチは収束を達成せず、異なるクラスタ間で振動することを示す。
本稿では,画像強調,ストロークベースのリカラー化,および視覚的プロンプト誘導画像編集を容易にする,シンプルで高速な分布転送手法を提案する。
論文 参考訳（メタデータ） (2024-11-17T17:45:37Z) - Diff-FMT: Diffusion Models for Fluorescence Molecular Tomography [16.950699640321936]
拡散確率モデル(DDPM)に基づくFMT再構成手法を提案する。
ステップバイステップの確率サンプリング機構により、画像のきめ細かい再構築を実現し、画像詳細の喪失などの問題を回避する。
Diff-FMTは大規模データセットに頼らずに高解像度の再構成画像が得られることを示す。
論文 参考訳（メタデータ） (2024-10-09T10:41:31Z) - Fearless Luminance Adaptation: A Macro-Micro-Hierarchical Transformer
for Exposure Correction [65.5397271106534]
単一のニューラルネットワークは、すべての露光問題に対処することが難しい。
特に、コンボリューションは、極端に過度に露出した領域における忠実な色や詳細を復元する能力を妨げる。
本稿では,マクロマイクロ階層変換器を提案する。マクロマイクロ階層変換器は,長距離依存を捉えるマクロアテンション,局所特徴を抽出するマイクロアテンション,粗大な修正のための階層構造を提案する。
論文 参考訳（メタデータ） (2023-09-02T09:07:36Z) - Image Denoising and the Generative Accumulation of Photons [63.14988413396991]
我々は,次の光子がどこに到着できるかを予測するために訓練されたネットワークが,実際に最小平均二乗誤差(MMSE)を解くことを示している。
自己監督型認知のための新しい戦略を提案する。
本稿では,画像に少量の光子を反復的にサンプリングし,付加することにより,可能な解の後方からサンプリングする新しい方法を提案する。
論文 参考訳（メタデータ） (2023-07-13T08:03:32Z) - DeStripe: A Self2Self Spatio-Spectral Graph Neural Network with Unfolded
Hessian for Stripe Artifact Removal in Light-sheet Microscopy [40.223974943121874]
本稿では,光シート蛍光顕微鏡(LSFM)におけるDeStripeと呼ばれるブラインドアーティファクト除去アルゴリズムを提案する。
DeStripeは、一方向のアーティファクトと前景の画像の構造的差異を利用して、潜在的に破損した係数をローカライズする。
影響された係数をグラフニューラルネットワークに入力して、標準画像空間の構造が十分に保存されていることを保証するために、ヘッセン正規化をアンロールした状態でリカバリすることができる。
論文 参考訳（メタデータ） (2022-06-27T16:13:57Z) - Learning Discriminative Shrinkage Deep Networks for Image Deconvolution [122.79108159874426]
本稿では,これらの用語を暗黙的にモデル化する識別的縮小関数を学習することで,効果的に非盲検デコンボリューション手法を提案する。
実験結果から,提案手法は最先端の手法に対して,効率と精度の点で好適に動作することがわかった。
論文 参考訳（メタデータ） (2021-11-27T12:12:57Z) - Regularization by Denoising Sub-sampled Newton Method for Spectral CT
Multi-Material Decomposition [78.37855832568569]
スペクトルctを用いたマルチマテリアル画像再構成のためのモデルベース最大後課題の解決法を提案する。
特に,プラグイン画像復号化機能に基づく正規化最適化問題について提案する。
スペクトルct材料分解の数値的および実験的結果を示す。
論文 参考訳（メタデータ） (2021-03-25T15:20:10Z) - Spatially-Variant CNN-based Point Spread Function Estimation for Blind
Deconvolution and Depth Estimation in Optical Microscopy [6.09170287691728]
薄めながら平らでない物体の光顕微鏡画像の解像度を向上する手法を提案する。
畳み込みニューラルネットワーク(CNN)を用いた空間変動点スプレッド関数(PSF)モデルのパラメータを推定する。
本手法は,理想条件下での2乗ピアソン相関係数0.99で画像自体からPSFパラメータを復元する。
論文 参考訳（メタデータ） (2020-10-08T14:20:16Z) - Distributed optimization for nonrigid nano-tomography [0.40631409309544836]
本研究では,ナノスケールの試料の投影アライメント,アンワーピング,正規化を併用した共同解析器を提案する。
投影データの一貫性は、ファーンバックのアルゴリズムによって推定される密度の高い光流によって制御され、より少ないアーティファクトで鋭いサンプル再構成をもたらす。
論文 参考訳（メタデータ） (2020-07-11T19:22:43Z) - Hyperspectral-Multispectral Image Fusion with Weighted LASSO [68.04032419397677]
本稿では,高スペクトル像と多スペクトル像を融合させて高画質な高スペクトル出力を実現する手法を提案する。
提案したスパース融合と再構成は,既存の公開画像の手法と比較して,定量的に優れた結果が得られることを示す。
論文 参考訳（メタデータ） (2020-03-15T23:07:56Z)
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。