論文の概要: Single Exposure Quantitative Phase Imaging with a Conventional Microscope using Diffusion Models
- arxiv url: http://arxiv.org/abs/2406.04388v1
- Date: Thu, 6 Jun 2024 15:44:24 GMT
- ステータス: 処理完了
- システム内更新日: 2024-06-10 18:39:07.956113
- Title: Single Exposure Quantitative Phase Imaging with a Conventional Microscope using Diffusion Models
- Title（参考訳）: 拡散モデルを用いた従来の顕微鏡による単一露光定量位相イメージング
- Authors: Gabriel della Maggiora, Luis Alberto Croquevielle, Harry Horsley, Thomas Heinis, Artur Yakimovich,
- Abstract要約: TIE(Transport-of-Intensity Equation)はしばしば異なるデフォーカス距離で複数の取得を必要とする。
そこで本研究では,クロマティック収差を用いて,必要なスルーフォーカス画像を単一露光で誘導する手法を提案する。
我々の貢献は、色収差を利用した別のTIEアプローチを提供し、白色光による正確な単一露光位相測定を実現している。
- 参考スコア（独自算出の注目度）: 2.0760654993698426
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Phase imaging is gaining importance due to its applications in fields like biomedical imaging and material characterization. In biomedical applications, it can provide quantitative information missing in label-free microscopy modalities. One of the most prominent methods in phase quantification is the Transport-of-Intensity Equation (TIE). TIE often requires multiple acquisitions at different defocus distances, which is not always feasible in a clinical setting. To address this issue, we propose to use chromatic aberrations to induce the required through-focus images with a single exposure, effectively generating a through-focus stack. Since the defocus distance induced by the aberrations is small, conventional TIE solvers are insufficient to address the resulting artifacts. We propose Zero-Mean Diffusion, a modified version of diffusion models designed for quantitative image prediction, and train it with synthetic data to ensure robust phase retrieval. Our contributions offer an alternative TIE approach that leverages chromatic aberrations, achieving accurate single-exposure phase measurement with white light and thus improving the efficiency of phase imaging. Moreover, we present a new class of diffusion models that are well-suited for quantitative data and have a sound theoretical basis. To validate our approach, we employ a widespread brightfield microscope equipped with a commercially available color camera. We apply our model to clinical microscopy of patients' urine, obtaining accurate phase measurements.
- Abstract（参考訳）: フェーズイメージングは、バイオメディカルイメージングや材料キャラクタリゼーションといった分野に応用されているため、重要性が増している。
バイオメディカル・アプリケーションでは、ラベルのない顕微鏡のモダリティに欠けている定量的情報を提供することができる。
位相量子化の最も顕著な方法の1つは、TIE(Transport-of-Intensity Equation)である。
TIEは、しばしば異なるデフォーカス距離で複数の取得を必要とするが、臨床環境では必ずしも可能とは限らない。
この問題に対処するために,色収差を用いて必要なスルーフォーカス画像を単一露光で誘導し,スルーフォーカススタックを効果的に生成する手法を提案する。
収差によって引き起こされるデフォーカス距離は小さいため、従来のTIEソルバは結果のアーティファクトに対処するには不十分である。
定量的画像予測のために設計された拡散モデルの修正版であるZero-Mean Diffusionを提案する。
我々の貢献は、色収差を利用した別のTIEアプローチを提供し、白色光による正確な単一露光位相測定を実現し、位相イメージングの効率を向上する。
さらに, 定量的データに適し, 理論的基礎を持つ新しい拡散モデルについて述べる。
提案手法を検証するため,市販カラーカメラを備えた広視野顕微鏡を用いた。
患者尿の臨床顕微鏡に本モデルを適用し, 正確な位相測定を行った。
関連論文リスト
- Diffusion-driven lensless fiber endomicroscopic quantitative phase imaging towards digital pathology [45.4057289850892]
マルチコアファイバ(MCF)の検出側で捕獲されたスペックルから直接位相像を再構成するためのスペックル条件拡散モデル(SpecDiffusion)を提案する。
従来のニューラルネットワークとは異なり、SpecDiffusionはスペックル駆動の位相再構成に反復的な位相分解ステップを採用している。
SpecDiffusionは高忠実度位相再構成結果を提供し、見えない物体に対して強力な一般化能力を示す。
論文 参考訳（メタデータ） (2024-07-26T01:42:31Z) - Post-training Quantization for Text-to-Image Diffusion Models with Progressive Calibration and Activation Relaxing [49.800746112114375]
本稿では,テキスト・画像拡散モデルのための学習後量子化手法(プログレッシブ・アンド・リラクシング)を提案する。
我々は,安定拡散XLの量子化を初めて達成し,その性能を維持した。
論文 参考訳（メタデータ） (2023-11-10T09:10:09Z) - Learned, Uncertainty-driven Adaptive Acquisition for Photon-Efficient
Multiphoton Microscopy [12.888922568191422]
多光子イメージング計測のための画素ワイド不確実性を同時に認識し,予測する手法を提案する。
本手法はヒト子宮内膜組織の実験的ノイズMPM測定に有用である。
実実験データを用いたデノナイジングタスクにおける分布自由不確実性定量化を初めて実証する。
論文 参考訳（メタデータ） (2023-10-24T18:06:03Z) - 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) - Unpaired Image-to-Image Translation with Limited Data to Reveal Subtle
Phenotypes [0.5076419064097732]
本稿では,多数の画像の必要性を軽減するために,自己教師付き識別器を用いた改良型CycleGANアーキテクチャを提案する。
また, 生物学的データセットを用いて, 明らかな細胞表現型および非予防的な細胞表現型変異について検討した。
論文 参考訳（メタデータ） (2023-01-21T16:25:04Z) - 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) - Blind stain separation using model-aware generative learning and its
applications on fluorescence microscopy images [1.713291434132985]
先行モデルに基づく染色分離法は,画像上の汚れの空間分布に依存する。
この目的のために深い生成モデルが使用される。
本研究では,新しい学習に基づくブラインドソース分離フレームワークを提案する。
論文 参考訳（メタデータ） (2021-02-12T22:39:39Z) - Towards an Automatic Analysis of CHO-K1 Suspension Growth in
Microfluidic Single-cell Cultivation [63.94623495501023]
我々は、人間の力で抽象化されたニューラルネットワークをデータレベルで注入できる新しい機械学習アーキテクチャを提案する。
具体的には、自然データと合成データに基づいて生成モデルを同時に訓練し、細胞数などの対象変数を確実に推定できる共有表現を学習する。
論文 参考訳（メタデータ） (2020-10-20T08:36:51Z) - Modality Attention and Sampling Enables Deep Learning with Heterogeneous
Marker Combinations in Fluorescence Microscopy [5.334932400937323]
蛍光顕微鏡は、色チャネルとして可視化された様々な慎重に選択されたマーカーで染色することで、細胞、細胞ネットワーク、解剖学的ランドマークの詳細な検査を可能にする。
他の視覚応用におけるディープラーニング手法の成功にもかかわらず、蛍光画像解析の可能性はまだ明らかになっていない。
本稿では,モダリティサンプリング戦略と新しいアテンションモジュールを備えたニューラルネットワーク手法であるMarker Sampling and Exciteを提案する。
論文 参考訳（メタデータ） (2020-08-27T21:57:07Z) - 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。