論文の概要: Unmixing Optical Signals from Undersampled Volumetric Measurements by Filtering the Pixel Latent Variables

• arxiv url: http://arxiv.org/abs/2312.05357v3
• Date: Fri, 01 Nov 2024 19:47:26 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-11-05 21:26:30.971696
• Title: Unmixing Optical Signals from Undersampled Volumetric Measurements by Filtering the Pixel Latent Variables
• Title（参考訳）: 画素潜伏変数のフィルタリングによるアンサンプ付き体積測定からの光信号の無混合化
• Authors: Catherine Bouchard, Andréanne Deschênes, Vincent Boulanger, Jean-Michel Bellavance, Julia Chabbert, Alexy Pelletier-Rioux, Flavie Lavoie-Cardinal, Christian Gagné,
• Abstract要約: 遅延アンミキシング(Latent Unmixing)は、マルチスペクトルニューラルネットワークの潜在空間に帯域通過フィルタを適用する新しいアプローチである。 これは、特にアンダーサンプル分布の文脈において、個々の信号のコントリビューションのより優れた分離と定量化を可能にする。 本手法の物理実験における実用的利用を,本手法の汎用性を強調する2つの試験事例を通して紹介する。
• 参考スコア（独自算出の注目度）: 5.74378659752939
• License:
• Abstract: The development of signal unmixing algorithms is essential for leveraging multimodal datasets acquired through a wide array of scientific imaging technologies, including hyperspectral or time-resolved acquisitions. In experimental physics, enhancing the spatio-temporal resolution or expanding the number of detection channels often leads to diminished sampling rate and signal-to-noise ratio (SNR), significantly affecting the efficacy of signal unmixing algorithms. We propose Latent Unmixing, a new approach which applies band-pass filters to the latent space of a multi-dimensional convolutional neural network to disentangle overlapping signal components. It enables better isolation and quantification of individual signal contributions, especially in the context of undersampled distributions. Using multi-dimensional convolution kernels to process all dimensions simultaneously enhances the network's ability to extract information from adjacent pixels, and time- or spectral-bins. This approach enables more effective separation of components in cases where individual pixels do not provide clear, well-resolved information. We showcase the method's practical use in experimental physics through two test cases that highlight the versatility of our approach: fluorescence lifetime microscopy and mode decomposition in optical fibers. The latent unmixing method extracts valuable information from complex signals that cannot be resolved by standard methods. It opens new possibilities in optics and photonics for multichannel separations at an increased sampling rate.
• Abstract（参考訳）: 信号アンミックスアルゴリズムの開発は、ハイパースペクトルや時間分解による取得など、幅広い科学的イメージング技術を通じて得られたマルチモーダルデータセットを活用するために不可欠である。 実験物理学では、時空間分解能を高めたり、検出チャネルの数を増やしたりすると、サンプリング率と信号-雑音比(SNR)が減少し、信号アンミックスアルゴリズムの有効性に大きな影響を及ぼす。 多次元畳み込みニューラルネットワークの潜時空間に帯域通過フィルタを適用し、重なり合う信号成分をアンタングル化する新しいアプローチであるLatent Unmixingを提案する。 これは、特にアンダーサンプル分布の文脈において、個々の信号のコントリビューションのより優れた分離と定量化を可能にする。 多次元畳み込みカーネルを用いて全ての次元を同時に処理することで、隣接するピクセルや時間またはスペクトルビンから情報を抽出するネットワークの能力が向上する。 このアプローチは、個々のピクセルが明確でよく解決された情報を提供していない場合に、より効果的なコンポーネントの分離を可能にする。 本稿では,光ファイバーの蛍光寿命顕微鏡法とモード分解法という,アプローチの汎用性を強調した2つの試験事例を通して,実験物理学における本手法の実用化について紹介する。 遅延アンミックス法は、標準的な方法では解決できない複雑な信号から貴重な情報を抽出する。 多チャンネル分離のための光学とフォトニクスの新たな可能性を開く。

関連論文リスト

• Single-sample image-fusion upsampling of fluorescence lifetime images [0.9054230754796732]
  蛍光寿命イメージング顕微鏡は、分子間相互作用と生物学的プロセスに関する詳細な情報を提供する。 FLIMの最大のボトルネックは、高い取得速度での画像解像度である。 本稿では,計算FLIM超解像に対するデータ融合手法SiSIFUSを提案する。
  論文  参考訳（メタデータ） (2024-04-19T10:19:18Z)
• Fluctuation-based deconvolution in fluorescence microscopy using plug-and-play denoisers [2.236663830879273]
  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。
  論文  参考訳（メタデータ） (2023-03-20T15:43:52Z)
• Dimensionality-Varying Diffusion Process [52.52681373641533]
  拡散モデルは、信号破壊プロセスを逆転して新しいデータを生成することを学習する。 信号分解による前方拡散過程の理論的一般化を行う。 FFHQで訓練された拡散モデルのFIDを,52.40から10.46までの1024Times1024$解像度で改善する。
  論文  参考訳（メタデータ） (2022-11-29T09:05:55Z)
• Toward deep-learning-assisted spectrally-resolved imaging of magnetic noise [52.77024349608834]
  本研究では,基礎となるゆらぎ磁場のスペクトル密度を効率的に再構成するディープニューラルネットワークを実装した。 これらの結果は、色中心に基づくナノスケールセンシングとイメージングに機械学習手法を適用する機会を生み出す。
  論文  参考訳（メタデータ） (2022-08-01T19:18:26Z)
• Decoupled-and-Coupled Networks: Self-Supervised Hyperspectral Image Super-Resolution with Subpixel Fusion [67.35540259040806]
  サブピクセルレベルのHS超解像フレームワークを提案する。 名前が示すように、DC-Netはまず入力を共通(またはクロスセンサー)とセンサー固有のコンポーネントに分離する。 我々は,CSUネットの裏側に自己教師付き学習モジュールを付加し,素材の整合性を保証し,復元されたHS製品の詳細な外観を向上する。
  論文  参考訳（メタデータ） (2022-05-07T23:40:36Z)
• Spectral Unmixing of Hyperspectral Images Based on Block Sparse Structure [1.491109220586182]
  本稿では,ブロックスパース構造とスパースベイズ学習戦略に基づくハイパースペクトル画像(HSI)のスペクトルアンミックス手法を提案する。
  論文  参考訳（メタデータ） (2022-04-10T09:37:41Z)
• 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)
• Deep Unfolded Recovery of Sub-Nyquist Sampled Ultrasound Image [94.42139459221784]
  本稿では,ISTAアルゴリズムの展開に基づく時空間領域におけるサブNyquistサンプルからの再構成手法を提案する。 本手法は,高品質な撮像性能を確保しつつ,配列要素数,サンプリングレート,計算時間を削減できる。
  論文  参考訳（メタデータ） (2021-03-01T19:19:38Z)
• Neural network-based on-chip spectroscopy using a scalable plasmonic encoder [0.4397520291340694]
  従来の分光計は、サイズ、コスト、信号対雑音比(SNR)、スペクトル分解能によって設定されるトレードオフによって制限される。 本稿では,小型で低コストなオンチップセンシング方式を用いて,深層学習に基づくスペクトル再構成フレームワークを実証する。
  論文  参考訳（メタデータ） (2020-12-01T22:50:06Z)
• 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。