論文の概要: Diffusion-based Virtual Staining from Polarimetric Mueller Matrix Imaging

• arxiv url: http://arxiv.org/abs/2503.01352v1
• Date: Mon, 03 Mar 2025 09:45:27 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-03-05 19:15:20.399126
• Title: Diffusion-based Virtual Staining from Polarimetric Mueller Matrix Imaging
• Title（参考訳）: ポラリメトリック・ミューラーマトリクスによる拡散型仮想染色
• Authors: Xiaoyu Zheng, Jing Wen, Jiaxin Zhuang, Yao Du, Jing Cong, Limei Guo, Chao He, Lin Luo, Hao Chen,
• Abstract要約: 偏光を用いた仮想染色のためのRBDM(Regulation Bridge Diffusion Model)を提案する。 RBDMは偏光画像からH&Eや蛍光といった他のモダリティへのマッピングを学習する。 実験結果から,本モデルが他のベンチマーク手法よりも優れていることが示された。
• 参考スコア（独自算出の注目度）: 8.016374085889172
• License:
• Abstract: Polarization, as a new optical imaging tool, has been explored to assist in the diagnosis of pathology. Moreover, converting the polarimetric Mueller Matrix (MM) to standardized stained images becomes a promising approach to help pathologists interpret the results. However, existing methods for polarization-based virtual staining are still in the early stage, and the diffusion-based model, which has shown great potential in enhancing the fidelity of the generated images, has not been studied yet. In this paper, a Regulated Bridge Diffusion Model (RBDM) for polarization-based virtual staining is proposed. RBDM utilizes the bidirectional bridge diffusion process to learn the mapping from polarization images to other modalities such as H\&E and fluorescence. And to demonstrate the effectiveness of our model, we conduct the experiment on our manually collected dataset, which consists of 18,000 paired polarization, fluorescence and H\&E images, due to the unavailability of the public dataset. The experiment results show that our model greatly outperforms other benchmark methods. Our dataset and code will be released upon acceptance.
• Abstract（参考訳）: 新しい光学画像ツールとしての偏光は、病理診断の補助として研究されている。 さらに,ポラリメトリック・ミュラーマトリクス(MM)を標準化された染色画像に変換することは,病理学者が結果の解釈を支援する上で有望なアプローチとなる。 しかし, 従来の分極型仮想染色法はまだ初期段階であり, 拡散型モデルは生成した画像の忠実度を高める大きな可能性を示しているが, まだ研究されていない。 本稿では,分極型仮想染色のためのRBDMモデルを提案する。 RBDMは双方向の橋梁拡散法を用いて、偏光画像からH&Eや蛍光といった他のモードへの写像を学習する。 また,本モデルの有効性を実証するために,18,000対の偏光,蛍光,H\&E画像からなる手作業で収集したデータセットを用いて実験を行った。 実験結果から,本モデルが他のベンチマーク手法よりも優れていることが示された。 私たちのデータセットとコードは受け入れ次第リリースされます。

関連論文リスト

• Zigzag Diffusion Sampling: Diffusion Models Can Self-Improve via Self-Reflection [28.82743020243849]
  既存のテキストと画像の拡散モデルは、しばしば挑戦的なプロンプトに対して高い画質と高いプロンプトのアライメントを維持するのに失敗する。 本稿では, 交互に denoising と inversion を行う拡散自己回帰法を提案する。 我々は,新しい自己反射型拡散サンプリング法であるZigzag Diffusion Smpling (Z-Sampling) を導出した。
  論文  参考訳（メタデータ） (2024-12-14T16:42:41Z)
• Fundus image enhancement through direct diffusion bridges [44.31666331817371]
  直接拡散ブリッジに基づく基礎画像強調手法であるFD3を提案する。 まず, 眼科医による人体フィードバックループによる合成前方モデルを提案する。 我々は,スタンドアローン手法として非常に有効である,堅牢で柔軟な拡散に基づく画像強調ネットワークを訓練する。
  論文  参考訳（メタデータ） (2024-09-19T00:26:14Z)
• 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)
• End-to-End Hybrid Refractive-Diffractive Lens Design with Differentiable Ray-Wave Model [18.183342315517244]
  本稿では,光収差と拡散位相変調の両方を正確にシミュレーションするためのハイブリッド光線トレーシングと波動伝搬(光波)モデルを提案する。 提案したレイウェーブモデルは完全に微分可能であり、屈折回折レンズ最適化と画像再構成ネットワークのエンドツーエンド共設計のための勾配バックプロパゲーションを可能にする。
  論文  参考訳（メタデータ） (2024-06-02T18:48:22Z)
• Ambient Diffusion Posterior Sampling: Solving Inverse Problems with Diffusion Models trained on Corrupted Data [56.81246107125692]
  Ambient Diffusion Posterior Smpling (A-DPS) は、ある種類の腐敗に対して事前訓練された生成モデルである。 A-DPSは、いくつかの画像復元タスクにおいて、クリーンなデータで訓練されたモデルよりも、速度と性能の両方で優れていることが示される。 我々はAmbient Diffusionフレームワークを拡張して、FourierサブサンプルのマルチコイルMRI測定にのみアクセスしてMRIモデルをトレーニングする。
  論文  参考訳（メタデータ） (2024-03-13T17:28:20Z)
• LLDiffusion: Learning Degradation Representations in Diffusion Models for Low-Light Image Enhancement [118.83316133601319]
  現在の低照度画像強調(LLIE)の深層学習法は、通常、ペア化されたデータから学んだピクセルワイドマッピングに依存している。 本稿では,拡散モデルを用いたLLIEの劣化認識学習手法を提案する。
  論文  参考訳（メタデータ） (2023-07-27T07:22:51Z)
• Detecting Images Generated by Deep Diffusion Models using their Local Intrinsic Dimensionality [8.968599131722023]
  拡散モデルは驚くほどリアルな画像の視覚合成に成功している。 これにより、悪意のある目的のために、彼らの可能性に対する強い懸念が持ち上がる。 合成画像の自動検出に軽量な多重局所固有次元法(multiLID)を提案する。
  論文  参考訳（メタデータ） (2023-07-05T15:03:10Z)
• Low-Light Image Enhancement with Wavelet-based Diffusion Models [50.632343822790006]
  拡散モデルは画像復元作業において有望な結果を得たが、時間を要する、過剰な計算資源消費、不安定な復元に悩まされている。 本稿では,DiffLLと呼ばれる高能率かつ高能率な拡散型低光画像強調手法を提案する。
  論文  参考訳（メタデータ） (2023-06-01T03:08:28Z)
• Persistently Trained, Diffusion-assisted Energy-based Models [18.135784288023928]
  我々は,拡散データを導入し,持続的トレーニングを通じて拡散補助EBMと呼ばれる共同ESMを学習する。 持続的に訓練されたESMは、長期安定、訓練後の画像生成、配当検出の精度の向上を同時に達成できることを示す。
  論文  参考訳（メタデータ） (2023-04-21T02:29:18Z)
• DIRE for Diffusion-Generated Image Detection [128.95822613047298]
  拡散再構成誤り(DIRE)という新しい表現を提案する。 DIREは、予め訓練された拡散モデルにより、入力画像とその再構成画像間の誤差を測定する。 DIREは生成されたイメージと実際のイメージを区別するためのブリッジとして機能する、というヒントを提供する。
  論文  参考訳（メタデータ） (2023-03-16T13:15:03Z)
• 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。