Fugu-MT 論文翻訳(概要): Multiple-Particle Autofocusing Algorithm Using Axial Resolution and Morphological Analyses Based on Digital Holography

論文の概要: Multiple-Particle Autofocusing Algorithm Using Axial Resolution and Morphological Analyses Based on Digital Holography

arxiv url: http://arxiv.org/abs/2503.18038v1
Date: Sun, 23 Mar 2025 11:53:14 GMT
ステータス: 翻訳完了
システム内更新日: 2025-03-25 14:33:32.347418
Title: Multiple-Particle Autofocusing Algorithm Using Axial Resolution and Morphological Analyses Based on Digital Holography
Title（参考訳）: 軸分解能と形態解析を用いたディジタルホログラフィーに基づく複数粒子オートフォーカスアルゴリズム
Authors: Wei-Na Li, Yi Zhou, Jiatai Chen, Hongjie Ou, XiangSheng Xie,
Abstract要約: 本稿では,各粒子の3次元位置を比較的正確に求める自動焦点付けアルゴリズムを提案する。それぞれの主焦点粒子の平均強度と等価直径に基づいて、全ての主焦点粒子は最終的に確保される。
参考スコア（独自算出の注目度）: 3.441301007103367
License:
Abstract: We propose an autofocusing algorithm to obtain, relatively accurately, the 3D position of each particle, particularly its axial location, and particle number of a dense transparent particle solution via its hologram. First, morphological analyses and constrained intensity are used on raw reconstructed images to obtain information on candidate focused particles. Second, axial resolution is used to obtain the real focused particles. Based on the mean intensity and equivalent diameter of each candidate focused particle, all focused particles are eventually secured. Our proposed method can rapidly provide relatively accurate ground-truth axial positions to solve the autofocusing problem that occurs with dense particles.
Abstract（参考訳）: 本研究では, 各粒子の3次元位置, 特にその軸位置, およびホログラムによる高密度透明粒子溶液の粒子数を求めるための自己焦点アルゴリズムを提案する。まず, 原画像の形状解析と拘束強度を用いて, 候補となる集束粒子に関する情報を得る。第二に、軸分解能は実焦点粒子を得るために用いられる。それぞれの主焦点粒子の平均強度と等価直径に基づいて、全ての主焦点粒子は最終的に確保される。提案手法は,高密度粒子で発生する自己焦点問題を解決するために,比較的正確な地中軸位置を迅速に提供することができる。

関連論文リスト

Automated Dynamic Image Analysis for Particle Size and Shape Classification in Three Dimensions [3.8300818830608345]
動的画像解析のための最先端技術は、主に二次元イメージングに限られている。既存の3次元イメージング技術(CT、レーザースキャン、写真撮影など)は静的物体に限られている。 OCcularは、光カメラの同期配列を用いて連続的な粒子の流れを撮像するコスト効率のよいソリューションを提供することで、これらの課題に対処する。
論文参考訳（メタデータ） (2024-12-06T15:36:59Z)
Deep Joint Denoising and Detection for Enhanced Intracellular Particle Analysis [8.997702776298091]
本稿では,DENODETと呼ばれる新しいディープニューラルネットワークを提案する。本手法は, 粒子追跡課題データセットと実際の蛍光顕微鏡画像データについて, 最先端粒子検出法と比較して, 優れた結果が得られる。
論文参考訳（メタデータ） (2024-08-15T03:13:53Z)
Deep-learning-based decomposition of overlapping-sparse images: application at the vertex of neutrino interactions [2.5521723486759407]
本稿では,深層学習の力を利用して,多次元重なり合うスパース画像中の個々の物体を正確に抽出する手法を提案する。これは、イメージング検出器から得られるオーバーレイド素粒子を分解した高エネルギー物理学の直接的な応用である。
論文参考訳（メタデータ） (2023-10-30T16:12:25Z)
Recursive Detection and Analysis of Nanoparticles in Scanning Electron Microscopy Images [0.0]
本研究では,走査型電子顕微鏡(SEM)画像中のナノ粒子の精密検出と包括的解析を目的とした計算フレームワークを提案する。このフレームワークはPythonの堅牢な画像処理機能を採用しており、特にOpenCV、SciPy、Scikit-Imageといったライブラリを利用している。 SEMナノ粒子のデータセットから得られた5つの異なるテスト画像から粒子を検出する精度は97%だ。
論文参考訳（メタデータ） (2023-08-17T02:08:05Z)
Pixelated Reconstruction of Foreground Density and Background Surface Brightness in Gravitational Lensing Systems using Recurrent Inference Machines [116.33694183176617]
我々は、リカレント推論マシンに基づくニューラルネットワークを用いて、背景画像の歪みのない画像と、画素マップとしてのレンズ質量密度分布を再構成する。従来のパラメトリックモデルと比較して、提案手法はより表現力が高く、複雑な質量分布を再構成することができる。
論文参考訳（メタデータ） (2023-01-10T19:00:12Z)
Estimating the concentration of chiral media with bright squeezed light [77.34726150561087]
キラル分析物の濃度を推定するためのガウスプローブの性能を定量的に評価する。 4倍精度向上は、最先端のスクイーズレベルと強度測定を用いて達成できる。
論文参考訳（メタデータ） (2022-08-21T17:18:10Z)
Tracking perovskite crystallization via deep learning-based feature detection on 2D X-ray scattering data [137.47124933818066]
本稿では,より高速なR-CNN深層学習アーキテクチャに基づくX線回折画像の自動解析パイプラインを提案する。有機-無機ペロブスカイト構造の結晶化をリアルタイムに追跡し, 2つの応用で検証した。
論文参考訳（メタデータ） (2022-02-22T15:39:00Z)
Single image deep defocus estimation and its applications [82.93345261434943]
画像パッチを20レベルの曖昧さの1つに分類するために、ディープニューラルネットワークをトレーニングします。トレーニングされたモデルは、反復重み付きガイドフィルタを適用して改善するパッチのぼかしを決定するために使用される。その結果、デフォーカスマップは各ピクセルのぼやけた度合いの情報を運ぶ。
論文参考訳（メタデータ） (2021-07-30T06:18:16Z)
Regularization by Denoising Sub-sampled Newton Method for Spectral CT Multi-Material Decomposition [78.37855832568569]
スペクトルctを用いたマルチマテリアル画像再構成のためのモデルベース最大後課題の解決法を提案する。特に,プラグイン画像復号化機能に基づく正規化最適化問題について提案する。スペクトルct材料分解の数値的および実験的結果を示す。
論文参考訳（メタデータ） (2021-03-25T15:20:10Z)
A learning-based view extrapolation method for axial super-resolution [52.748944517480155]
軸光界分解能は、再焦点によって異なる深さで特徴を区別する能力を指します。せん断エピポーラ平面画像の軸体積から新しい視点を推定する学習に基づく手法を提案する。
論文参考訳（メタデータ） (2021-03-11T07:22:13Z)
Single-molecule orientation localization microscopy I: fundamental limits [0.0]
古典的および量子的推定理論に適応し、可能な限りの精度を導出するための数学的枠組みを提案する。可能なすべての回転運動を測定するための最大感度限界を達成できる機器を設計することは不可能である。総じて、可能な2次元および3次元の局所化および配向測定タスクの最大精度のために、単一の計器を最適化することはできないと結論付けている。
論文参考訳（メタデータ） (2020-10-08T15:27:49Z)

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。