論文の概要: 3-D Image-to-Image Fusion in Lightsheet Microscopy by Two-Step Adversarial Network: Contribution to the FuseMyCells Challenge

• arxiv url: http://arxiv.org/abs/2503.16075v1
• Date: Thu, 20 Mar 2025 12:12:01 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-03-21 16:35:10.078584
• Title: 3-D Image-to-Image Fusion in Lightsheet Microscopy by Two-Step Adversarial Network: Contribution to the FuseMyCells Challenge
• Title（参考訳）: 2ステップ対向ネットワークによる光シート顕微鏡の3次元画像融合:FuseMyCellsチャレンジへの貢献
• Authors: Marek Wodzinski, Henning Müller,
• Abstract要約: マルチビュー光シート顕微鏡は、複数のビューを組み合わせることで3次元解像度を改善するが、同時に複雑さと光子予算を増大させる。 2段階の手順に基づくFuseMyCellsチャレンジへのコントリビューションを提案する。 実験により,本手法の有効性が示された。
• 参考スコア（独自算出の注目度）: 2.1640167354628046
• License:
• Abstract: Lightsheet microscopy is a powerful 3-D imaging technique that addresses limitations of traditional optical and confocal microscopy but suffers from a low penetration depth and reduced image quality at greater depths. Multiview lightsheet microscopy improves 3-D resolution by combining multiple views but simultaneously increasing the complexity and the photon budget, leading to potential photobleaching and phototoxicity. The FuseMyCells challenge, organized in conjunction with the IEEE ISBI 2025 conference, aims to benchmark deep learning-based solutions for fusing high-quality 3-D volumes from single 3-D views, potentially simplifying procedures and conserving the photon budget. In this work, we propose a contribution to the FuseMyCells challenge based on a two-step procedure. The first step processes a downsampled version of the image to capture the entire region of interest, while the second step uses a patch-based approach for high-resolution inference, incorporating adversarial loss to enhance visual outcomes. This method addresses challenges related to high data resolution, the necessity of global context, and the preservation of high-frequency details. Experimental results demonstrate the effectiveness of our approach, highlighting its potential to improve 3-D image fusion quality and extend the capabilities of lightsheet microscopy. The average SSIM for the nucleus and membranes is greater than 0.85 and 0.91, respectively.
• Abstract（参考訳）: 光シート顕微鏡(Lightsheet microscopy)は、従来の光学顕微鏡と共焦点顕微鏡の限界に対処する強力な3Dイメージング技術である。 マルチビュー光シート顕微鏡は、複数のビューを組み合わせることで3次元解像度を改善するが、同時に複雑さと光子予算を増大させ、潜在的な光漂白と光毒性をもたらす。 FuseMyCellsチャレンジは、IEEE ISBI 2025カンファレンスで組織され、単一の3Dビューから高品質な3Dボリュームを融合させ、手順を簡素化し、光子予算を保存するためのディープラーニングベースのソリューションをベンチマークすることを目的としている。 本研究では,2段階の手順に基づくFuseMyCellsチャレンジへのコントリビューションを提案する。 第1のステップは、イメージのサンプル化されたバージョンを処理して、関心領域全体をキャプチャし、第2のステップは、高解像度の推論にパッチベースのアプローチを使用して、敵対的損失を取り入れて視覚的な結果を高める。 本手法は,高次データ解像度,グローバルコンテキストの必要性,高頻度情報保存に関する課題に対処する。 提案手法の有効性を実験的に示し,3次元画像融合の画質向上と光シート顕微鏡の高機能化の可能性を強調した。 核と膜の平均SSIMはそれぞれ0.85および0.91以上である。

関連論文リスト

• The Quest for Early Detection of Retinal Disease: 3D CycleGAN-based Translation of Optical Coherence Tomography into Confocal Microscopy [11.321411104729002]
  生体内OCTを生体内共焦点顕微鏡画像に変換するために, 教師なし3D CycleGANに基づく新しいフレームワークを提案する。 これは、OCTの固有の3D情報を利用して、共焦点顕微鏡のリッチで詳細な色領域に変換する最初の試みである。
  論文  参考訳（メタデータ） (2024-08-07T21:13:49Z)
• SR-CACO-2: A Dataset for Confocal Fluorescence Microscopy Image Super-Resolution [7.770202118479678]
  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。
  論文  参考訳（メタデータ） (2024-06-13T14:30:35Z)
• 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)
• MLF-DET: Multi-Level Fusion for Cross-Modal 3D Object Detection [54.52102265418295]
  MLF-DETと呼ばれる,高性能なクロスモーダル3DオブジェクトDrectionのための,新規かつ効果的なマルチレベルフュージョンネットワークを提案する。 特徴レベルの融合では、マルチスケールのボクセル特徴と画像の特徴を密集したマルチスケールのボクセル画像融合(MVI)モジュールを提示する。 本稿では,画像のセマンティクスを利用して検出候補の信頼度を補正するFCR(Feature-cued Confidence Rectification)モジュールを提案する。
  論文  参考訳（メタデータ） (2023-07-18T11:26:02Z)
• Searching a Compact Architecture for Robust Multi-Exposure Image Fusion [55.37210629454589]
  2つの大きなスタブリングブロックは、画素の不一致や非効率な推論など、開発を妨げる。 本研究では,高機能なマルチ露光画像融合のための自己アライメントとディテールリプレクションモジュールを取り入れたアーキテクチャ検索に基づくパラダイムを提案する。 提案手法は様々な競争方式より優れており、一般的なシナリオではPSNRが3.19%向上し、不整合シナリオでは23.5%向上した。
  論文  参考訳（メタデータ） (2023-05-20T17:01:52Z)
• Semi- and Self-Supervised Multi-View Fusion of 3D Microscopy Images using Generative Adversarial Networks [0.11719282046304678]
  蛍光顕微鏡の最近の進歩により、生体モデル生物の高解像度3D画像の撮影が可能になった。 巨大な標本を撮影するためには、多視点の光シート画像のような技術が各時点の異なる向きを記録している。 CNNベースのマルチビューデコンボリューションと2つの合成データセットとの融合は、胚の発生を模倣し、2つまたは4つの相補的な3Dビューを含む。
  論文  参考訳（メタデータ） (2021-08-05T17:21:01Z)
• 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)
• Light Field Reconstruction via Deep Adaptive Fusion of Hybrid Lenses [67.01164492518481]
  本稿では,ハイブリットレンズを用いた高分解能光場(LF)画像の再構成問題について検討する。 本稿では,入力の特徴を包括的に活用できる新しいエンドツーエンド学習手法を提案する。 我々のフレームワークは、高解像度なLFデータ取得のコストを削減し、LFデータストレージと送信の恩恵を受ける可能性がある。
  論文  参考訳（メタデータ） (2021-02-14T06:44:47Z)
• 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)
• Gated Fusion Network for Degraded Image Super Resolution [78.67168802945069]
  本稿では,基本特徴と回復特徴を別々に抽出する二分岐畳み込みニューラルネットワークを提案する。 特徴抽出ステップを2つのタスク非依存ストリームに分解することで、デュアルブランチモデルがトレーニングプロセスを容易にすることができる。
  論文  参考訳（メタデータ） (2020-03-02T13:28:32Z)

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。