論文の概要: On Overlap Ratio in Defocused Electron Ptychography

• arxiv url: http://arxiv.org/abs/2502.00762v1
• Date: Sun, 02 Feb 2025 11:53:55 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-02-05 14:51:55.955285
• Title: On Overlap Ratio in Defocused Electron Ptychography
• Title（参考訳）: 集束型電子顕微鏡におけるオーバーラップ比について
• Authors: Amirafshar Moshtaghpour, Angus I. Kirkland,
• Abstract要約: 本稿では,重なり比がデータ冗長性とEP再構成の品質に与える影響を実証する。 シミュレーションした4次元STEMデータセットを用いて,重なり比の異なるEPアルゴリズムの評価を行った。 特に40%以上の重なり比は安定で高品質な再構築をもたらす。
• 参考スコア（独自算出の注目度）: 2.2159864921322647
• License:
• Abstract: Four-dimensional Scanning Transmission Electron Microscopy (4D STEM) with data acquired using a defocused electron probe is a promising tool for characterising complex biological specimens and materials through a phase retrieval process known as Electron Ptychography (EP). The efficacy of 4D STEM acquisition and the resulting quality of EP reconstruction depends on the overlap ratio of adjacent illuminated areas. This paper demonstrates how the overlap ratio impacts the data redundancy and the quality of the EP reconstruction. We define two quantities as a function of the overlap ratio that are independent of both the object and the EP algorithm. Subsequently, we evaluate an EP algorithm for varying overlap ratios using simulated 4D STEM datasets. Notably, a 40% or greater overlap ratio yields stable, high-quality reconstructions.
• Abstract（参考訳）: 4次元走査透過電子顕微鏡(4D STEM)とデフォーカス型電子顕微鏡を用いて取得したデータは、電子顕微鏡(EP)と呼ばれる相検索プロセスを通じて複雑な生物学的標本や材料を特徴付けるための有望なツールである。 4次元STEM取得の有効性とEP再構成の質は、隣接する照明領域の重なり比に依存する。 本稿では,重なり比がデータ冗長性とEP再構成の品質に与える影響を実証する。 オブジェクトとEPアルゴリズムの両方に依存しない重なり比の関数として2つの量を定義する。 その後、シミュレーションされた4次元STEMデータセットを用いて重なり合いの異なるEPアルゴリズムの評価を行った。 特に40%以上の重なり比は安定で高品質な再構築をもたらす。

関連論文リスト

• Sequential-Scanning Dual-Energy CT Imaging Using High Temporal Resolution Image Reconstruction and Error-Compensated Material Basis Image Generation [6.361772490498643]
  我々は高時間分解能画像再構成と誤差補償材料ベース画像生成を用いたシーケンシャルスキャン画像を開発した。 その結果,ACCELERATIONによる定量化精度と画質の向上が示された。
  論文  参考訳（メタデータ） (2024-08-27T03:09:39Z)
• End-to-End Model-based Deep Learning for Dual-Energy Computed Tomography Material Decomposition [53.14236375171593]
  本稿では,定量化のためのエンド・ツー・エンド材料分解(E2E-DEcomp)と呼ばれる深層学習手法を提案する。 AAPMスペクトルCTデータセットにおける直接E2E-DEcomp法の有効性を示す。
  論文  参考訳（メタデータ） (2024-06-01T16:20:59Z)
• Lossy compression of multidimensional medical images using sinusoidal activation networks: an evaluation study [0.0]
  我々は, 周期的活性化機能を持つニューラルネットワークを用いて, 大規模多次元医用画像データセットを確実に圧縮する方法を評価する。 正弦波アクティベーションネットワークのパラメータを用いて,任意の4次元dMRIデータセットを正確に表現する方法を示す。 その結果,提案手法は平均二乗誤差,ピーク信号-雑音比,構造類似度指数において,ReLUとTanhのアクティベーションパーセプトロンアーキテクチャよりも優れていた。
  論文  参考訳（メタデータ） (2022-08-02T17:16:33Z)
• 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)
• Multi-Channel Convolutional Analysis Operator Learning for Dual-Energy CT Reconstruction [108.06731611196291]
  我々は,多チャンネル畳み込み解析演算子学習法(MCAOL)を開発した。 本研究では,低エネルギー,高エネルギーで減衰画像を共同で再構成する最適化手法を提案する。
  論文  参考訳（メタデータ） (2022-03-10T14:22:54Z)
• A parameter refinement method for Ptychography based on Deep Learning concepts [55.41644538483948]
  伝播距離、位置誤差、部分的コヒーレンスにおける粗いパラメトリゼーションは、しばしば実験の生存性を脅かす。 最新のDeep Learningフレームワークは、セットアップの不整合を自律的に補正するために使用され、ポチコグラフィーの再構築の質が向上する。 我々は,elettra シンクロトロン施設のツインミックビームラインで取得した合成データセットと実データの両方でシステムをテストした。
  論文  参考訳（メタデータ） (2021-05-18T10:15:17Z)
• Multi-Slice Fusion for Sparse-View and Limited-Angle 4D CT Reconstruction [3.045887205265198]
  複数の低次元デノイザの融合に基づく新しい4次元再構成アルゴリズムであるマルチスライス融合を提案する。 分散異種クラスタ上でのマルチスライス融合を実装し,大規模な4次元ボリュームを適切な時間で再構築する。
  論文  参考訳（メタデータ） (2020-08-01T02:32:43Z)
• Appearance Learning for Image-based Motion Estimation in Tomography [60.980769164955454]
  トモグラフィー画像では、取得した信号に擬似逆フォワードモデルを適用することにより、解剖学的構造を再構成する。 患者の動きは、復元過程における幾何学的アライメントを損なうため、運動アーティファクトが生じる。 本研究では,スキャン対象から独立して剛性運動の構造を認識する外観学習手法を提案する。
  論文  参考訳（メタデータ） (2020-06-18T09:49:11Z)
• Deep learning with 4D spatio-temporal data representations for OCT-based force estimation [59.405210617831656]
  深層学習に基づく力推定の問題を,3D OCTボリュームのストリームを用いた4次元体積時間データに拡張する。 平均絶対誤差は10.7mNで, 4Dterm-temporalデータを用いた場合, 従来使用されていたデータ表現よりも優れていた。
  論文  参考訳（メタデータ） (2020-05-20T13:30:36Z)
• Fast reconstruction of atomic-scale STEM-EELS images from sparse sampling [11.624024992823928]
  原子スケールEELSに適した高速かつ高精度な再構成法を提案する。 この方法は、STEM-EELS画像上で初めて使用されるベータプロセスファクター解析(BPFA)のような一般的なソリューションと比較される。
  論文  参考訳（メタデータ） (2020-02-04T11:07:56Z)

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。