論文の概要: Volume Tells: Dual Cycle-Consistent Diffusion for 3D Fluorescence Microscopy De-noising and Super-Resolution
- arxiv url: http://arxiv.org/abs/2503.02261v1
- Date: Tue, 04 Mar 2025 04:19:50 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-03-05 19:15:09.754899
- Title: Volume Tells: Dual Cycle-Consistent Diffusion for 3D Fluorescence Microscopy De-noising and Super-Resolution
- Title（参考訳）: Volume Tells:Dual Cycle-Consistent Diffusion for 3D Fluorescence Microscopy De-noising and Super-Resolution
- Authors: Zelin Li, Chenwei Wang, Zhaoke Huang, Yiming MA, Cunmin Zhao, Zhongying Zhao, Hong Yan,
- Abstract要約: 3次元蛍光顕微鏡は、長期の生細胞イメージングを通して基本的な生命過程を理解するのに不可欠である。
空間的に異なるノイズや異方性分解能など、大きな課題に直面している。
3次元セルボリューム内でのボリューム内イメージングを効果的にマイニングするために、二重サイクル一貫性拡散法が提案されている。
- 参考スコア（独自算出の注目度）: 12.882839830373467
- License:
- Abstract: 3D fluorescence microscopy is essential for understanding fundamental life processes through long-term live-cell imaging. However, due to inherent issues in imaging principles, it faces significant challenges including spatially varying noise and anisotropic resolution, where the axial resolution lags behind the lateral resolution up to 4.5 times. Meanwhile, laser power is kept low to maintain cell viability, leading to inaccessible low-noise and high-resolution paired ground truth (GT). To tackle these limitations, a dual Cycle-consistent Diffusion is proposed to effectively mine intra-volume imaging priors within 3D cell volumes in an unsupervised manner, i.e., Volume Tells (VTCD), achieving de-noising and super-resolution (SR) simultaneously. Specifically, a spatially iso-distributed denoiser is designed to exploit the noise distribution consistency between adjacent low-noise and high-noise regions within the 3D cell volume, suppressing the spatially varying noise. Then, in light of the structural consistency of the cell volume, a cross-plane global-propagation SR module propagates high-resolution details from the XY plane into adjacent regions in the XZ and YZ planes, progressively enhancing resolution across the entire 3D cell volume. Experimental results on 10 in vivo cellular dataset demonstrate high improvements in both denoising and super-resolution, with axial resolution enhanced from ~ 430 nm to ~ 90 nm.
- Abstract（参考訳）: 3次元蛍光顕微鏡は、長期の生細胞イメージングを通して基本的な生命過程を理解するのに不可欠である。
しかし、撮像原理の固有の問題のため、空間的に変化するノイズや異方性分解能といった重大な課題に直面しており、横方向分解能の後方にある軸方向分解能は最大4.5倍まで遅れている。
一方、レーザーパワーはセルの生存性を維持するために低く保たれ、アクセス不能な低雑音と高解像度の対地真実(GT)をもたらす。
これらの制限に対処するために、二重サイクル一貫性拡散法が提案され、非教師なしの方法で3次元セルボリューム内の体積内イメージング先を効果的にマイニングし、デノイズ化と超分解能(SR)を同時に達成する。
具体的には、3次元セルボリューム内の隣接低雑音領域と高雑音領域との間のノイズ分布の整合性を利用して、空間的に変化するノイズを抑制するように設計されている。
そして、セル体積の構造的整合性を考慮して、XY平面からの高分解能詳細をXZおよびYZ平面の隣接領域に伝播させ、3次元セル体積全体の分解能を漸進的に向上させる。
430nmから90nmまでの軸方向分解能を増強した10in vivo細胞データセットの実験結果から,分解能と超高分解能の両面において高い改善が認められた。
関連論文リスト
- SuperNeRF-GAN: A Universal 3D-Consistent Super-Resolution Framework for Efficient and Enhanced 3D-Aware Image Synthesis [59.73403876485574]
本稿では,3次元連続超解像のための汎用フレームワークであるSuperNeRF-GANを提案する。
SuperNeRF-GANの重要な特徴は、NeRFベースの3D認識画像合成手法とのシームレスな統合である。
実験により, 提案手法の効率性, 3次元整合性, 品質が示された。
論文 参考訳（メタデータ） (2025-01-12T10:31:33Z) - Physics-Informed Super-Resolution Diffusion for 6D Phase Space Diagnostics [55.2480439325792]
適応変分オートエンコーダは、初期ビーム条件画像とスカラー計測を低次元潜在空間に埋め込む。
6次元テンソルからの投影は物理的に一貫した2次元投影を生成する。
教師なし適応潜時空間チューニングは、時間変化ビームの追跡を可能にする。
論文 参考訳（メタデータ） (2025-01-08T06:34:32Z) - From Diffusion to Resolution: Leveraging 2D Diffusion Models for 3D Super-Resolution Task [19.56372155146739]
本稿では,3次元電子顕微鏡(vEM)の超解像性を高めるために,2次元拡散モデルと体積内の横方向の連続性を利用する新しい手法を提案する。
イオンビーム走査型電子顕微鏡(FIB-SEM)の2つのデータを用いて,本フレームワークのロバスト性と実用性を示した。
論文 参考訳（メタデータ） (2024-11-25T09:12:55Z) - Super-resolution imaging using super-oscillatory diffractive neural networks [31.825503659600702]
SODNN(Super-oscillatory diffractive Neural Network, SODNN)は、回折限界を超えた超解像空間分解能を実現する。
SODNNは、光学的相互干渉や画像サンプル、生体センサーを実装するために、回折層を利用して構築される。
我々の研究成果は、イメージング、センシング、知覚などの応用を促進するインテリジェントな光学機器の開発を促すものである。
論文 参考訳（メタデータ） (2024-06-27T12:16:35Z) - 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) - StableDreamer: Taming Noisy Score Distillation Sampling for Text-to-3D [88.66678730537777]
本稿では3つの進歩を取り入れた方法論であるStableDreamerを紹介する。
まず、SDS生成前の等価性と、簡単な教師付きL2再構成損失を定式化する。
第2に,画像空間拡散は幾何学的精度に寄与するが,色調の鮮明化には潜時空間拡散が不可欠であることを示す。
論文 参考訳（メタデータ） (2023-12-02T02:27:58Z) - Self-supervised Fetal MRI 3D Reconstruction Based on Radiation Diffusion
Generation Model [13.552378275592073]
放射線拡散生成モデル(RDGM)と呼ばれる新しい胎児脳MRI高品質容積再構成法を提案する。
超解像生成に基づく座標生成と拡散モデルに基づくニューラル放射場(NeRF)のアイデアを取り入れた自己監督型生成法である。
実世界の胎児脳MRIによる実験結果から,本手法の最先端性能が示された。
論文 参考訳（メタデータ） (2023-10-16T09:22:00Z) - 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) - Super-Resolved Microbubble Localization in Single-Channel Ultrasound RF
Signals Using Deep Learning [3.714592704933424]
1次元拡張畳み込みニューラルネットワーク(CNN)を用いた単一チャネル電波周波数(RF)信号の直接デコンボリューションに基づく別の超解像手法を提案する。
この研究は、単分散マイクロバブルの高密度雲の深部イメージングのための低周波超音波(1.7MHz)に焦点を当てている(測定体積で最大1000マイクロバブル)。
ネットワークは、分類損失と回帰損失の両方の要素を特徴とする新しい二重損失関数で訓練され、出力の検出-局所化特性が改善される。
論文 参考訳（メタデータ） (2022-04-09T19:57:30Z) - Axial-to-lateral super-resolution for 3D fluorescence microscopy using
unsupervised deep learning [19.515134844947717]
本論文では、蛍光顕微鏡における異方性画像強化のための深層学習可能な非教師付きスーパーレゾリューション技術を提案する。
ネットワークのトレーニングには1枚の3D画像スタックしか必要としないため,本手法は実践の労力を大幅に削減する。
訓練されたネットワークは、回折限界を超える軸分解能を高めるだけでなく、イメージングプレーン間の視覚的詳細の抑制とイメージングアーティファクトの除去も行うことを実証します。
論文 参考訳（メタデータ） (2021-04-19T16:31:12Z) - Correlation Plenoptic Imaging between Arbitrary Planes [52.77024349608834]
提案プロトコルは,処理後の集中面の変更を可能にし,画像解像度と被写界深度を前例のない組み合わせで実現可能であることを示す。
その結果、カオス光に基づく相関レンズ画像装置のコンパクト化や、絡み合った光子照明に基づく高SNRレンズ画像装置の開発への道が開かれた。
論文 参考訳（メタデータ） (2020-07-23T14:26:14Z)
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。