論文の概要: Calibration-free single-frame super-resolution fluorescence microscopy

• arxiv url: http://arxiv.org/abs/2505.13293v1
• Date: Mon, 19 May 2025 16:14:45 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-20 14:57:11.724392
• Title: Calibration-free single-frame super-resolution fluorescence microscopy
• Title（参考訳）: 校正不要単一フレーム超解像蛍光顕微鏡
• Authors: Anežka Dostálová, Dominik Vašinka, Robert Stárek, Miroslav Ježek,
• Abstract要約: 単一回折制限カメラフレームから直接超解像を再構成する深層学習手法を提案する。 150msの高密度テルリレン試料に適用し, 再建誤差を著しく低減した。 先行情報やキャリブレーションを使わずに、単一の短いカメラ露光から前例のない詳細情報を提供することで、プラグ&プレイによる超高解像度イメージングを可能にした。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Molecular fluorescence microscopy is a leading approach to super-resolution and nanoscale imaging in life and material sciences. However, super-resolution fluorescence microscopy is often bottlenecked by system-specific calibrations and long acquisitions of sparsely blinking molecules. We present a deep-learning approach that reconstructs super-resolved images directly from a single diffraction-limited camera frame. The model is trained exclusively on synthetic data encompassing a wide range of optical and sample parameters, enabling robust generalization across microscopes and experimental conditions. Applied to dense terrylene samples with 150 ms acquisition time, our method significantly reduces reconstruction error compared to Richardson-Lucy deconvolution and ThunderSTORM multi-emitter fitting. The results confirm the ability to resolve emitters separated by 35 nm at 580 nm wavelength, corresponding to sevenfold resolution improvement beyond the Rayleigh criterion. By delivering unprecedented details from a single short camera exposure without prior information and calibration, our approach enables plug-and-play super-resolution imaging of fast, dense, or light-sensitive samples on standard wide-field setups.
• Abstract（参考訳）: 分子蛍光顕微鏡は、生命科学や物質科学における超高分解能およびナノスケールイメージングの先駆的なアプローチである。 しかし、超高分解能蛍光顕微鏡は、しばしばシステム固有のキャリブレーションと緩やかな点滅分子の長期取得によってボトルネックとなる。 単一回折制限カメラフレームから直接超解像を再構成する深層学習手法を提案する。 このモデルは、幅広い光学パラメータとサンプルパラメータを含む合成データにのみ訓練されており、顕微鏡と実験条件をまたいだ堅牢な一般化を可能にしている。 150msの高密度テルリレン試料に適用すると, リチャードソン・ルーシーの脱畳やサンダーストORMのマルチエミッタフィッティングと比較して, 再構成誤差を著しく低減できる。 その結果、レイリー基準を超える7倍の分解能向上に対応する35nmの波長で分離したエミッタを580nmで分解できることが確認された。 先行情報やキャリブレーションのない単一短距離カメラ露光から前例のない詳細情報を提供することで、標準的な広視野装置で高速、高密度、光感受性の試料をプラグアンドプレイで超高解像度で撮像することができる。

関連論文リスト

• Diffusion-driven lensless fiber endomicroscopic quantitative phase imaging towards digital pathology [43.237550839304774]
  マルチコアファイバ(MCF)の検出側で捕獲されたスペックルから直接位相像を再構成するためのスペックル条件拡散モデル(SpecDiffusion)を提案する。 従来のニューラルネットワークとは異なり、SpecDiffusionはスペックル駆動の位相再構成に反復的な位相分解ステップを採用している。 SpecDiffusionは高忠実度位相再構成結果を提供し、見えない物体に対して強力な一般化能力を示す。
  論文  参考訳（メタデータ） (2024-07-26T01:42:31Z)
• Deep Learning Enables Large Depth-of-Field Images for Sub-Diffraction-Limit Scanning Superlens Microscopy [16.152554659134246]
  深層学習を用いて、光学超解像(OSR)画像と走査電子顕微鏡領域画像とのマッピング関係を得る。 提案手法は, チップレベルの欠陥検出, 生物学的試料分析, 法医学, その他の様々な分野に適用可能であることを示す。
  論文  参考訳（メタデータ） (2023-10-27T09:16:56Z)
• Fearless Luminance Adaptation: A Macro-Micro-Hierarchical Transformer for Exposure Correction [65.5397271106534]
  単一のニューラルネットワークは、すべての露光問題に対処することが難しい。 特に、コンボリューションは、極端に過度に露出した領域における忠実な色や詳細を復元する能力を妨げる。 本稿では,マクロマイクロ階層変換器を提案する。マクロマイクロ階層変換器は,長距離依存を捉えるマクロアテンション,局所特徴を抽出するマイクロアテンション,粗大な修正のための階層構造を提案する。
  論文  参考訳（メタデータ） (2023-09-02T09:07:36Z)
• Fluctuation-based deconvolution in fluorescence microscopy using plug-and-play denoisers [2.236663830879273]
  蛍光顕微鏡で得られた生きた試料の画像の空間分解能は、可視光の回折により物理的に制限される。 この制限を克服するために、いくつかのデコンボリューションと超解像技術が提案されている。
  論文  参考訳（メタデータ） (2023-03-20T15:43:52Z)
• An unsupervised deep learning algorithm for single-site reconstruction in quantum gas microscopes [47.187609203210705]
  量子ガス顕微鏡実験では、物理観測物の正確な抽出には、高忠実度でサイト分解格子の占有を再構築することが不可欠である。 本稿では,深部畳み込みニューラルネットワークに基づく新しいアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2022-12-22T18:57:27Z)
• Single-Pixel Imaging in Space and Time with Optically-Modulated Free Electrons [0.0]
  シングルピクセルイメージングは、もともと光光学で開発されたもので、高速な3次元サンプル再構成や、従来のマルチピクセル検出器では検出できない光波長の探索を容易にする。 本稿では,光を変調した電子を光子の代わりに利用し,空間的および時間的に分解された1画素イメージングを実現する,現在利用可能な超高速電子顕微鏡の達成可能な修正を頼りに,単画素イメージングの実装を提案する。
  論文  参考訳（メタデータ） (2022-03-14T17:34:52Z)
• Disentangling multiple scattering with deep learning: application to strain mapping from electron diffraction patterns [48.53244254413104]
  我々は、高非線形電子回折パターンを定量的構造因子画像に変換するために、FCU-Netと呼ばれるディープニューラルネットワークを実装した。 結晶構造の異なる組み合わせを含む20,000以上のユニークな動的回折パターンを用いてFCU-Netを訓練した。 シミュレーションされた回折パターンライブラリ、FCU-Netの実装、訓練されたモデルの重み付けは、オープンソースリポジトリで自由に利用可能です。
  論文  参考訳（メタデータ） (2022-02-01T03:53:39Z)
• Light-field microscopy with correlated beams for extended volumetric imaging at the diffraction limit [0.0]
  光強度相関に基づく光電場顕微鏡アーキテクチャを実験的に提案する。 本研究では,3次元試験対象と生体試料を集束面から再抽出する手法の有効性を実証する。
  論文  参考訳（メタデータ） (2021-10-02T13:54:11Z)
• High resolution, High contrast optical interface for defect qubits [2.181654697819463]
  マイクロスフィア支援共焦点顕微鏡による欠陥量子ビットの高分解能・高コントラストイメージングを実証した。 マイクロスフィアは、仮想画像を拡大した点欠陥に対して優れた光学インターフェースを提供する。 提案手法は,高分解能,高感度で近接した欠陥をイメージングし,対処するための効率的な方法を提供する。
  論文  参考訳（メタデータ） (2021-02-14T01:50:51Z)
• 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。