論文の概要: SR-CACO-2: A Dataset for Confocal Fluorescence Microscopy Image Super-Resolution

• arxiv url: http://arxiv.org/abs/2406.09168v2
• Date: Thu, 31 Oct 2024 15:44:36 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-11-01 16:58:20.922083
• Title: SR-CACO-2: A Dataset for Confocal Fluorescence Microscopy Image Super-Resolution
• Title（参考訳）: SR-CACO-2-共焦点蛍光顕微鏡画像超解像のデータセット
• Authors: Soufiane Belharbi, Mara KM Whitford, Phuong Hoang, Shakeeb Murtaza, Luke McCaffrey, Eric Granger,
• Abstract要約: 低解像度画像をアップスケーリングして高解像度画像(HR)を生成することで、画像品質の回復に、一像超解像(SISR)のマシン/ディープ学習法を適用することができる。 SISR法は、公開データの豊富さから、写真リアル画像にうまく応用されている。 我々は,3種類の蛍光マーカーに印加された低解像度と高解像度の画像対からなる,SR-CACO-2と呼ばれる大規模な走査共焦点顕微鏡データセットを提案する。
• 参考スコア（独自算出の注目度）: 7.770202118479678
• License:
• Abstract: Confocal fluorescence microscopy is one of the most accessible and widely used imaging techniques for the study of biological processes at the cellular and subcellular levels. Scanning confocal microscopy allows the capture of high-quality images from thick three-dimensional (3D) samples, yet suffers from well-known limitations such as photobleaching and phototoxicity of specimens caused by intense light exposure, limiting its applications. Cellular damage can be alleviated by changing imaging parameters to reduce light exposure, often at the expense of image quality. Machine/deep learning methods for single-image super-resolution (SISR) can be applied to restore image quality by upscaling lower-resolution (LR) images to yield high-resolution images (HR). These SISR methods have been successfully applied to photo-realistic images due partly to the abundance of publicly available data. In contrast, the lack of publicly available data partly limits their application and success in scanning confocal microscopy. In this paper, we introduce a large scanning confocal microscopy dataset named SR-CACO-2 that is comprised of low- and high-resolution image pairs marked for three different fluorescent markers. It allows the evaluation of performance of SISR methods on three different upscaling levels (X2, X4, X8). SR-CACO-2 contains the human epithelial cell line Caco-2 (ATCC HTB-37), and it is composed of 2,200 unique images, captured with four resolutions and three markers, forming 9,937 image patches for SISR methods. We provide benchmarking results for 16 state-of-the-art methods of the main SISR families. Results show that these methods have limited success in producing high-resolution textures. The dataset is freely accessible under a Creative Commons license (CC BY-NC-SA 4.0). Our dataset, code and pretrained weights for SISR methods are available: https://github.com/sbelharbi/sr-caco-2.
• Abstract（参考訳）: 共焦点蛍光顕微鏡(Confocal fluorescence microscopy)は、細胞および細胞内レベルでの生物学的過程の研究において最もアクセスしやすく広く用いられている画像技術の一つである。 走査型共焦点顕微鏡は、厚い3次元の3Dサンプルから高品質な画像を取得することができるが、強い光露光によって引き起こされる試料の光漂白や光毒性といった、よく知られた限界に悩まされている。 セルの損傷は、しばしば画質を犠牲にして、光の露出を減らすために画像パラメータを変更することで軽減される。 低分解能画像(LR)をアップスケーリングして高分解能画像(HR)を生成することにより、画像品質の回復に、一像超解像(SISR)のマシン/ディープ学習法を適用することができる。 これらのSISR法は, 公開データの豊富さを理由として, フォトリアリスティック画像に適用されている。 対照的に、公開データの欠如は、その応用と共焦点顕微鏡の走査の成功を部分的に制限している。 本稿では,3種類の蛍光マーカーに印加された低解像度と高解像度の画像対からなる,SR-CACO-2と呼ばれる大規模な走査共焦点顕微鏡データセットを提案する。 3種類のアップスケーリングレベル(X2, X4, X8)でSISR法の性能を評価することができる。 SR-CACO-2はヒト上皮細胞株Caco-2(ATCC HTB-37)を含み、4つの解像度と3つのマーカーでキャプチャされた2,200のユニークな画像から構成され、SISR法のために9,937のイメージパッチを形成する。 我々は、主要なSISRファミリーの16の最先端手法のベンチマーク結果を提供する。 その結果, これらの手法は高分解能なテクスチャの創出に限られていることがわかった。 データセットはCreative Commonsライセンス(CC BY-NC-SA 4.0)で自由にアクセス可能である。 SISRメソッドのデータセット、コード、事前訓練された重み付けが利用可能だ。

関連論文リスト

• BlurryScope: a cost-effective and compact scanning microscope for automated HER2 scoring using deep learning on blurry image data [0.0]
  ブルリスコープ(BlurryScope)は、組織部位の自動検査・解析のための費用効率が高くコンパクトなソリューションである。 BlurryScopeは、特殊なハードウェアとニューラルネットワークベースのモデルを統合して、モーションレッドな組織像を処理する。
  論文  参考訳（メタデータ） (2024-10-23T04:46:36Z)
• 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)
• Super-resolution of biomedical volumes with 2D supervision [84.5255884646906]
  超解像のための仮設スライス拡散は、生物学的標本のすべての空間次元にわたるデータ生成分布の固有同値性を利用する。 我々は,高解像度2次元画像の高速取得を特徴とするSliceRの組織学的刺激(SRH)への応用に着目する。
  論文  参考訳（メタデータ） (2024-04-15T02:41:55Z)
• Hybrid-Supervised Dual-Search: Leveraging Automatic Learning for Loss-free Multi-Exposure Image Fusion [60.221404321514086]
  マルチ露光画像融合(MEF)は、様々な露光レベルを表すデジタルイメージングの限界に対処するための重要な解決策である。 本稿では、ネットワーク構造と損失関数の両方を自動設計するための二段階最適化探索方式であるHSDS-MEFと呼ばれるMEFのためのハイブリッドスーパービジョンデュアルサーチ手法を提案する。
  論文  参考訳（メタデータ） (2023-09-03T08:07:26Z)
• SHISRCNet: Super-resolution And Classification Network For Low-resolution Breast Cancer Histopathology Image [17.975877739745396]
  低解像度(LR)画像は、ハードウェア条件が限られたデジタルスライドスキャナーによって収集されることが多い。 Super-Resolution (SR)モジュールは、LR画像をSRイメージに再構成する。 CFモジュールは、分類のためのSR画像のマルチスケール特徴を抽出し、融合する。
  論文  参考訳（メタデータ） (2023-06-25T04:01:16Z)
• OADAT: Experimental and Synthetic Clinical Optoacoustic Data for Standardized Image Processing [62.993663757843464]
  オプトアコースティック(OA)イメージングは、ナノ秒レーザーパルスによる生体組織の励起と、光吸収による熱弾性膨張によって発生する超音波の検出に基づいている。 OAイメージングは、深部組織における豊富な光学コントラストと高分解能の強力な組み合わせを特徴としている。 臨床環境でのOAの幅広い応用を促進するために、異なるタイプの実験的なセットアップと関連する処理手法で生成される標準化データセットは存在しない。
  論文  参考訳（メタデータ） (2022-06-17T08:11:26Z)
• Low dosage 3D volume fluorescence microscopy imaging using compressive sensing [0.0]
  本稿では, 圧縮センシングによる3Dボリュームの完全再構成を, 励起量の半分未満のSNRで行う方法を提案する。 ゼブラフィッシュ胚脊髄のRFP標識ニューロンの3次元体積を, 共焦点顕微鏡を用いて0.1umの軸方向サンプリングにより計測し, 本手法の実証を行った。 この研究で開発されたCSベースの手法は、2光子や光シート顕微鏡などの他の深部イメージングに容易に適用でき、サンプル光毒性の低減は重要な課題である。
  論文  参考訳（メタデータ） (2022-01-03T18:44:50Z)
• Hierarchical Conditional Flow: A Unified Framework for Image Super-Resolution and Image Rescaling [139.25215100378284]
  画像SRと画像再スケーリングのための統合フレームワークとして階層的条件フロー(HCFlow)を提案する。 HCFlowは、LR画像と残りの高周波成分の分布を同時にモデル化することにより、HRとLR画像ペア間のマッピングを学習する。 さらに性能を高めるために、知覚的損失やGAN損失などの他の損失と、トレーニングで一般的に使用される負の対数類似損失とを組み合わせる。
  論文  参考訳（メタデータ） (2021-08-11T16:11:01Z)
• Cryo-ZSSR: multiple-image super-resolution based on deep internal learning [14.818511430476589]
  単一粒子低温電子顕微鏡 (cryo-EM) は、タンパク質やマクロ分子複合体を原子近傍の分解能で可視化できる新しい画像モダリティである。 本稿では,低SNR条件下での動作に特化して設計された深層学習に基づくマルチイメージSRアルゴリズムを提案する。 以上の結果から,低倍率画像と画像SRの組み合わせは,解像度を犠牲にすることなく,Cryo-EMデータ収集を加速させる可能性が示唆された。
  論文  参考訳（メタデータ） (2020-11-22T14:04:54Z)
• W2S: Microscopy Data with Joint Denoising and Super-Resolution for Widefield to SIM Mapping [17.317001872212543]
  蛍光顕微鏡ライブセルイメージングでは、信号対雑音比と空間分解能の間に重要なトレードオフがある。 クリーンな高解像度(HR)画像を得るには、構造化照明顕微鏡(SIM)のような顕微鏡技術を使うか、デノナイジングと超高解像度(SR)アルゴリズムを適用することができる。 現状のSRネットワークはノイズの多い入力に対して非常に低性能であることを示す。
  論文  参考訳（メタデータ） (2020-03-12T18:15:09Z)
• Unlimited Resolution Image Generation with R2D2-GANs [69.90258455164513]
  本稿では,任意の解像度の高品質な画像を生成するための新しいシミュレーション手法を提案する。 この方法では、フル長のミッション中に収集したソナースキャンと同等の大きさのソナースキャンを合成することができる。 生成されたデータは、連続的で、現実的に見え、また、取得の実際の速度の少なくとも2倍の速さで生成される。
  論文  参考訳（メタデータ） (2020-03-02T17:49:32Z)

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。