論文の概要: A Bi-channel Aided Stitching of Atomic Force Microscopy Images

• arxiv url: http://arxiv.org/abs/2503.08735v1
• Date: Tue, 11 Mar 2025 04:46:21 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-03-13 15:36:57.889777
• Title: A Bi-channel Aided Stitching of Atomic Force Microscopy Images
• Title（参考訳）: 原子間力顕微鏡像の2チャンネル支援スティッチリング
• Authors: Huanhuan Zhao, Ruben Millan Solsona, Marti Checa, Spenser R. Brown, Jennifer L. Morrell-Falvey, Liam Collins, Arpan Biswas,
• Abstract要約: そこで本研究では,AFM生成バイオフィルム画像にバイチャネル支援機能を用いた画像縫合法を提案し,その応用を実証する。 我々は、AFMデータの振幅チャネルを用いてマッチング特性を最大化し、元の地形画像の位置を推定する。 このワークフローは, 不正な縫合による誤解析や発見を避けるために, 実験者にとって有益であると考えている。
• 参考スコア（独自算出の注目度）: 3.533721662684487
• License:
• Abstract: Microscopy is an essential tool in scientific research, enabling the visualization of structures at micro- and nanoscale resolutions. However, the field of microscopy often encounters limitations in field-of-view (FOV), restricting the amount of sample that can be imaged in a single capture. To overcome this limitation, image stitching techniques have been developed to seamlessly merge multiple overlapping images into a single, high-resolution composite. The images collected from microscope need to be optimally stitched before accurate physical information can be extracted from post analysis. However, the existing stitching tools either struggle to stitch images together when the microscopy images are feature sparse or cannot address all the transformations of images. To address these issues, we propose a bi-channel aided feature-based image stitching method and demonstrate its use on AFM generated biofilm images. The topographical channel image of AFM data captures the morphological details of the sample, and a stitched topographical image is desired for researchers. We utilize the amplitude channel of AFM data to maximize the matching features and to estimate the position of the original topographical images and show that the proposed bi-channel aided stitching method outperforms the traditional stitching approach. Furthermore, we found that the differentiation of the topographical images along the x-axis provides similar feature information to the amplitude channel image, which generalizes our approach when the amplitude images are not available. Here we demonstrated the application on AFM, but similar approaches could be employed of optical microscopy with brightfield and fluorescence channels. We believe this proposed workflow will benefit the experimentalist to avoid erroneous analysis and discovery due to incorrect stitching.
• Abstract（参考訳）: 顕微鏡は科学研究に欠かせない道具であり、マイクロスケールやナノスケールの解像度で構造を可視化することができる。 しかし、顕微鏡の分野は視野の限界(FOV)にしばしば遭遇し、単一のキャプチャーで撮影できるサンプルの量を制限している。 この限界を克服するため、複数の重なり合う画像を単一の高分解能複合体にシームレスにマージする画像縫合技術が開発されている。 顕微鏡から収集した画像は、正確な物理情報をポスト分析から抽出する前に、最適に縫合する必要がある。 しかし、既存の縫合ツールは、顕微鏡画像が特徴的にスパースである場合や、画像のすべての変換に対処できない場合、画像の縫合に苦労する。 これらの課題に対処するために,両チャネルを用いた特徴量に基づく画像縫合法を提案し,AFM生成バイオフィルム画像にその応用を実証する。 AFMデータのトポロジカルチャネル画像はサンプルの形態的詳細を捉えており、研究者には縫合されたトポロジカル画像が望ましい。 我々はAFMデータの振幅チャネルを用いてマッチング特性を最大化し、元の地形画像の位置を推定し、提案手法が従来の縫合法よりも優れていることを示す。 さらに、X軸に沿った地形画像の微分は振幅チャネル画像と類似した特徴情報を提供し、振幅画像が得られない場合のアプローチを一般化することを示した。 ここではAFMの応用を実演するが、同様のアプローチは、光電場と蛍光チャネルを用いた光学顕微鏡を用いることができる。 このワークフローは, 不正な縫合による誤解析や発見を避けるために, 実験者にとって有益であると考えている。

関連論文リスト

• DiffKillR: Killing and Recreating Diffeomorphisms for Cell Annotation in Dense Microscopy Images [105.46086313858062]
  DiffKillRは、アーチェタイプマッチングと画像登録タスクの組み合わせとして、セルアノテーションを再構成する新しいフレームワークである。 我々はDiffKillRの理論的性質について論じ、それを3つの顕微鏡タスクで検証し、既存の教師付き・半教師なし・教師なしの手法に対する利点を実証する。
  論文  参考訳（メタデータ） (2024-10-04T00:38:29Z)
• Automatic Image Unfolding and Stitching Framework for Esophageal Lining Video Based on Density-Weighted Feature Matching [6.995909617361624]
  本稿では,内視鏡撮影時に撮影した食道ビデオに適した新しい自動画像展開・縫合フレームワークを提案する。 このフレームワークは、ビデオシーケンスにまたがる低ルート平均角構造誤差(RMSE)と高類似度指数(SSIM)を実現する。
  論文  参考訳（メタデータ） (2024-10-02T00:53:48Z)
• Capability enhancement of the X-ray micro-tomography system via ML-assisted approaches [0.8999666725996978]
  X線マイクロCT画像におけるリングアーティファクトは、その正確な視覚的解釈と定量的解析における主要な原因の1つである。 本稿では、UNetにインスパイアされた畳み込みニューラルネットワーク(CNN)ベースのディープラーニング(DL)モデルと、リングアーティファクトを除去するためのスキップ接続を備えた一連のエンコーダとデコーダユニットを提案する。
  論文  参考訳（メタデータ） (2024-02-08T14:23:24Z)
• Novel OCT mosaicking pipeline with Feature- and Pixel-based registration [8.22581088888652]
  マルチビューOCT/OCTAテクスタイタン顔投影画像の縫合のための多目的パイプラインを提案する。 本手法は,複数の画像の整合性を向上するために,学習に基づく特徴マッチングと堅牢な画素ベース登録の長所を組み合わせる。 パイプラインの有効性は、社内データセットと大規模なパブリックデータセットを使用して検証される。
  論文  参考訳（メタデータ） (2023-11-21T23:25:04Z)
• Style transfer between Microscopy and Magnetic Resonance Imaging via Generative Adversarial Network in small sample size settings [49.84018914962972]
  磁気共鳴イメージング(MRI)のクロスモーダル増強と、同じ組織サンプルに基づく顕微鏡イメージングが期待できる。 コンディショナル・ジェネレーティブ・逆境ネットワーク (cGAN) アーキテクチャを用いて, コーパス・カロサムのMRI画像から顕微鏡組織像を生成する方法を検討した。
  論文  参考訳（メタデータ） (2023-10-16T13:58:53Z)
• MC-Blur: A Comprehensive Benchmark for Image Deblurring [127.6301230023318]
  ほとんどの実世界の画像では、ブラーは動きやデフォーカスなど様々な要因によって引き起こされる。 我々は,MC-Blurと呼ばれる大規模マルチライク画像デブロアリングデータセットを新たに構築する。 MC-Blurデータセットに基づいて,異なるシナリオにおけるSOTA法の比較を行う。
  論文  参考訳（メタデータ） (2021-12-01T02:10:42Z)
• 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)
• Cross-Modal Contrastive Learning for Abnormality Classification and Localization in Chest X-rays with Radiomics using a Feedback Loop [63.81818077092879]
  医療画像のためのエンドツーエンドのセミスーパーバイスドクロスモーダルコントラスト学習フレームワークを提案する。 まず、胸部X線を分類し、画像特徴を生成するために画像エンコーダを適用する。 放射能の特徴は別の専用エンコーダを通過し、同じ胸部x線から生成された画像の特徴の正のサンプルとして機能する。
  論文  参考訳（メタデータ） (2021-04-11T09:16:29Z)
• Visibility Interpolation in Solar Hard X-ray Imaging: Application to RHESSI and STIX [0.7646713951724012]
  本研究の目的は,フーリエ領域の可視性を高めた画像再構成手法を設計することである。 この方法は、STIX(Spectrometer/Telescope for Imaging X-rays)ミッションのフレームワーク内に実装されたシミュレーションソフトウェアを用いて生成された合成振動度に適用される。 また、Reuven Ramaty High Energy Solar Spectroscopic Imager(RHESSI)による実験的な可視性についても検討した。
  論文  参考訳（メタデータ） (2020-12-27T20:39:44Z)
• Pathological Retinal Region Segmentation From OCT Images Using Geometric Relation Based Augmentation [84.7571086566595]
  本稿では,幾何学と形状の内在的関係を共同で符号化することで,従来のGANベースの医用画像合成法よりも優れた手法を提案する。 提案手法は,取得手順の異なる画像を有する公開RETOUCHデータセット上で,最先端のセグメンテーション手法より優れている。
  論文  参考訳（メタデータ） (2020-03-31T11:50:43Z)
• DeepFocus: a Few-Shot Microscope Slide Auto-Focus using a Sample Invariant CNN-based Sharpness Function [6.09170287691728]
  オートフォーカス(AF)法は、例えばタイムラプスを取得するために生体顕微鏡で広く用いられている。 現在のハードウェアベースの手法では、顕微鏡と画像ベースのアルゴリズムを変更する必要がある。 我々はMicro-Managerプラグインとして実装したAFメソッドであるDeepFocusを提案する。
  論文  参考訳（メタデータ） (2020-01-02T23:29:11Z)

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。