論文の概要: Multi-View Neural 3D Reconstruction of Micro-/Nanostructures with Atomic Force Microscopy

• arxiv url: http://arxiv.org/abs/2401.11541v1
• Date: Sun, 21 Jan 2024 16:46:04 GMT
• ステータス: 処理完了
• システム内更新日: 2024-01-23 15:55:31.417134
• Title: Multi-View Neural 3D Reconstruction of Micro-/Nanostructures with Atomic Force Microscopy
• Title（参考訳）: 原子間力顕微鏡による微小・ナノ構造の多視点ニューラル3次元再構成
• Authors: Shuo Chen, Mao Peng, Yijin Li, Bing-Feng Ju, Hujun Bao, Yuan-Liu Chen, Guofeng Zhang
• Abstract要約: 原子間力顕微鏡(MVN-AFM)を用いたマルチビューニューラルネットワークベースのフレームワークを提案する。 MVN-AFMは反復法を用いてマルチビューデータを調整し、AFMアーティファクトを同時に除去する。 実験により、MVN-AFMは生のAFM画像に存在する人工物を効果的に除去し、様々なミクロ・ナノ構造を再構築することが示された。
• 参考スコア（独自算出の注目度）: 34.22380991792944
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Atomic Force Microscopy (AFM) is a widely employed tool for micro-/nanoscale topographic imaging. However, conventional AFM scanning struggles to reconstruct complex 3D micro-/nanostructures precisely due to limitations such as incomplete sample topography capturing and tip-sample convolution artifacts. Here, we propose a multi-view neural-network-based framework with AFM (MVN-AFM), which accurately reconstructs surface models of intricate micro-/nanostructures. Unlike previous works, MVN-AFM does not depend on any specially shaped probes or costly modifications to the AFM system. To achieve this, MVN-AFM uniquely employs an iterative method to align multi-view data and eliminate AFM artifacts simultaneously. Furthermore, we pioneer the application of neural implicit surface reconstruction in nanotechnology and achieve markedly improved results. Extensive experiments show that MVN-AFM effectively eliminates artifacts present in raw AFM images and reconstructs various micro-/nanostructures including complex geometrical microstructures printed via Two-photon Lithography and nanoparticles such as PMMA nanospheres and ZIF-67 nanocrystals. This work presents a cost-effective tool for micro-/nanoscale 3D analysis.
• Abstract（参考訳）: 原子間力顕微鏡(AFM、Atomic Force Microscopy)は、マイクロ・ナノスケールのトポグラフィーのためのツールである。 しかし, 従来のafmスキャンでは, 不完全なサンプルトポグラフィーや先端サンプル畳み込みなどの制約により, 複雑な3次元マイクロ・ナノ構造の再構築に苦慮している。 本稿では,複雑なマイクロナノ構造の表面モデルを正確に再構成する多視点ニューラルネットワークベースのフレームワーク(mvn-afm)を提案する。 従来の作業とは異なり、MVN-AFMは特別な形状のプローブやAFMシステムへのコストのかかる修正には依存していない。 これを実現するためにMVN-AFMは、マルチビューデータの整列とAFMアーティファクトの同時除去を反復的に行う。 さらに,ナノテクノロジーにおける暗黙的表面再構成の応用を開拓し,その結果を著しく改善した。 大規模な実験により、MVN-AFMは生のAFM画像に存在するアーティファクトを効果的に除去し、2光子リソグラフィーやPMMAナノスフィアやZIF-67ナノ結晶などのナノ粒子で印刷された複雑な幾何学的微細構造を含む様々なミクロ・ナノ構造を再構築した。 本研究では,マイクロ・ナノスケール3次元解析のための費用対効果ツールを提案する。

関連論文リスト

• 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)
• 3D Reconstruction of Protein Structures from Multi-view AFM Images using Neural Radiance Fields (NeRFs) [8.257409049477827]
  原子間力顕微鏡(AFM)と深層学習を組み合わせたタンパク質複合体(PC)の3次元構造予測法について検討した。 AFMは、様々なランダムな方向でPCを描写する高さマップを生成し、ニューラルネットワークをトレーニングして3D構造を予測するための豊富な情報を提供する。 AFM画像を用いた3Dタンパク質構造のゼロショット予測によりUpFusionの性能を評価する。
  論文  参考訳（メタデータ） (2024-08-12T15:53:24Z)
• Robust single-particle cryo-EM image denoising and restoration [11.173867153077692]
  核電子顕微鏡(cryo-EM)は、2Dマイクログラフの再構成によって生体分子の原子レベルに近い分解能を達成している。 しかし, 極低信号-雑音比(SNR)とCryo-EM画像の複素雑音構造により, 再構成粒子の分解能と精度は著しく低下する。 本稿では,単一粒子Cryo-EM画像を効果的に復号・復号化するためのプロセス後フレームワークを用いた拡散モデルを提案する。
  論文  参考訳（メタデータ） (2024-01-02T08:33:36Z)
• Denoising diffusion-based synthetic generation of three-dimensional (3D) anisotropic microstructures from two-dimensional (2D) micrographs [0.0]
  条件拡散に基づく生成モデル(DGM)に基づく異方性組織再構築のための枠組みを提案する。 提案するフレームワークは,複数の2次元条件付きDGMの空間的接続を伴い,それぞれが3つの異なる平面に対して2次元マイクロ構造サンプルを生成するように訓練されている。 その結果, このフレームワークは材料相の統計分布だけでなく, 3次元空間における材料特性も再現可能であることがわかった。
  論文  参考訳（メタデータ） (2023-12-13T01:36:37Z)
• Volumetric Reconstruction Resolves Off-Resonance Artifacts in Static and Dynamic PROPELLER MRI [76.60362295758596]
  磁気共鳴イメージング(MRI)におけるオフ共鳴アーティファクトは、画像ボリューム内のスピンの実際の共鳴周波数が空間情報を符号化するのに使用される期待周波数と異なる場合に発生する視覚歪みである。 本稿では,2次元MRI再構成問題を3次元に引き上げ,このオフ共鳴をモデル化するための「スペクトル」次元を導入することで,これらのアーチファクトを解決することを提案する。
  論文  参考訳（メタデータ） (2023-11-22T05:44:51Z)
• Style transfer between Microscopy and Magnetic Resonance Imaging via Generative Adversarial Network in small sample size settings [49.84018914962972]
  磁気共鳴イメージング(MRI)のクロスモーダル増強と、同じ組織サンプルに基づく顕微鏡イメージングが期待できる。 コンディショナル・ジェネレーティブ・逆境ネットワーク (cGAN) アーキテクチャを用いて, コーパス・カロサムのMRI画像から顕微鏡組織像を生成する方法を検討した。
  論文  参考訳（メタデータ） (2023-10-16T13:58:53Z)
• Multi-plane denoising diffusion-based dimensionality expansion for 2D-to-3D reconstruction of microstructures with harmonized sampling [0.0]
  本研究では,マイクロ3Diffと呼ばれる2次元から3次元の微細構造再構築のための新しい枠組みを提案する。 具体的には、この手法は2Dサンプルの生成に事前訓練されたDGMのみを必要とする。 DGMの逆マルコフ鎖からの偏差に対処するために、調和サンプリング法を開発した。
  論文  参考訳（メタデータ） (2023-08-27T07:57:25Z)
• Passive superresolution imaging of incoherent objects [63.942632088208505]
  手法は、Hermite-Gaussianモードとその重ね合わせのオーバーコンプリートベースで、画像平面内のフィールドの空間モード成分を測定することで構成される。 ディープニューラルネットワークは、これらの測定からオブジェクトを再構築するために使用される。
  論文  参考訳（メタデータ） (2023-04-19T15:53:09Z)
• Three-dimensional microstructure generation using generative adversarial neural networks in the context of continuum micromechanics [77.34726150561087]
  本研究は, 三次元マイクロ構造生成に適した生成対向ネットワークを提案する。 軽量アルゴリズムは、明示的な記述子を必要とせずに、単一のmicroCTスキャンから材料の基礎特性を学習することができる。
  論文  参考訳（メタデータ） (2022-05-31T13:26:51Z)
• 3D Reconstruction of Curvilinear Structures with Stereo Matching DeepConvolutional Neural Networks [52.710012864395246]
  本稿では,立体対における曲線構造の検出とマッチングのための完全自動パイプラインを提案する。 主に、TEM画像のステレオ対から転位を3次元再構成することに焦点を当てる。
  論文  参考訳（メタデータ） (2021-10-14T23:05:47Z)

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。