論文の概要: 4D-MISR: A unified model for low-dose super-resolution imaging via feature fusion
- arxiv url: http://arxiv.org/abs/2507.09953v3
- Date: Thu, 17 Jul 2025 16:39:01 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-07-18 13:45:37.438687
- Title: 4D-MISR: A unified model for low-dose super-resolution imaging via feature fusion
- Title（参考訳）: 4D-MISR:特徴融合による低線量超解像像の統一モデル
- Authors: Zifei Wang, Zian Mao, Xiaoya He, Xi Huang, Haoran Zhang, Chun Cheng, Shufen Chu, Tingzheng Hou, Xiaoqin Zeng, Yujun Xie,
- Abstract要約: 超低線量データから原子スケール超解像を実現する4D-STEMのためのデュアルパス・アテンション誘導ネットワークを開発した。
これは、アモルファス、セミクリスタル、および結晶性ビーム感受性の検体をまたいだ堅牢な原子スケールの可視化を提供する。
- 参考スコア（独自算出の注目度）: 13.231014322472973
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: While electron microscopy offers crucial atomic-resolution insights into structure-property relationships, radiation damage severely limits its use on beam-sensitive materials like proteins and 2D materials. To overcome this challenge, we push beyond the electron dose limits of conventional electron microscopy by adapting principles from multi-image super-resolution (MISR) that have been widely used in remote sensing. Our method fuses multiple low-resolution, sub-pixel-shifted views and enhances the reconstruction with a convolutional neural network (CNN) that integrates features from synthetic, multi-angle observations. We developed a dual-path, attention-guided network for 4D-STEM that achieves atomic-scale super-resolution from ultra-low-dose data. This provides robust atomic-scale visualization across amorphous, semi-crystalline, and crystalline beam-sensitive specimens. Systematic evaluations on representative materials demonstrate comparable spatial resolution to conventional ptychography under ultra-low-dose conditions. Our work expands the capabilities of 4D-STEM, offering a new and generalizable method for the structural analysis of radiation-vulnerable materials.
- Abstract（参考訳）: 電子顕微鏡は構造と物性の関係について重要な原子分解能の洞察を提供するが、放射線による損傷は、タンパク質や2D材料のような光に敏感な材料に対する使用を著しく制限する。
この課題を克服するために、リモートセンシングに広く用いられているマルチイメージ超解像(MISR)の原理を適用することで、従来の電子顕微鏡の電子線量限界を超えて進める。
提案手法は,複数の低解像度のサブピクセルシフトビューを融合し,合成多角観測から特徴を統合した畳み込みニューラルネットワーク(CNN)による再構成を促進する。
超低線量データから原子スケール超解像を実現する4D-STEMのためのデュアルパス・アテンション誘導ネットワークを開発した。
これは、アモルファス、セミクリスタル、および結晶性ビーム感受性の検体をまたいだ堅牢な原子スケールの可視化を提供する。
超低線量条件下での従来のポチクロマトグラフィーに匹敵する空間分解能を示す。
我々の研究は、4D-STEMの能力を拡大し、放射線加重材料の構造解析のための新しい一般化可能な方法を提供する。
関連論文リスト
- Direct Dual-Energy CT Material Decomposition using Model-based Denoising Diffusion Model [105.95160543743984]
本稿では,Dual-Energy Decomposition Model-based Diffusion (DEcomp-MoD) と呼ばれる深層学習手法を提案する。
Decomp-MoDは、教師なしスコアベースモデルと教師なしディープラーニングネットワークより優れていることを示す。
論文 参考訳（メタデータ） (2025-07-24T01:00:06Z) - 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) - Free-Electron Ramsey-Type Interferometry for Enhanced Amplitude and
Phase imaging of Nearfields [0.0]
光子誘起近接電界顕微鏡は、照射されたナノ構造における閉じ込められた電場の検出を可能にする。
本稿では,より優れた近接場イメージング機能を実現するために,アルゴリズムによる顕微鏡手法を提案する。
論文 参考訳（メタデータ） (2023-05-04T10:56:41Z) - 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) - X-Ray2EM: Uncertainty-Aware Cross-Modality Image Reconstruction from
X-Ray to Electron Microscopy in Connectomics [55.6985304397137]
膜セグメンテーション品質を向上したEMライクな画像にX線画像を変換する不確実性を考慮した3D再構成モデルを提案する。
これは、よりシンプルで、より高速で、より正確なX線ベースのコネクトロミクスパイプラインを開発する可能性を示している。
論文 参考訳（メタデータ） (2023-03-02T00:52:41Z) - Non-destructive X-ray imaging of patterned delta-layer devices in
silicon [0.0]
我々は、X線蛍光を利用して、シリコン中のAsドーパタンの元素特異的な画像を作成する。
次世代のシンクロトロン放射源とより高度な光学により、5nmの分解半径内で単一のドーパント原子のX線像を得ることが可能であると予測する。
論文 参考訳（メタデータ） (2022-08-19T14:49:54Z) - STEM image analysis based on deep learning: identification of vacancy
defects and polymorphs of ${MoS_2}$ [0.49583061314078714]
2次元結晶の重要な構造的特徴の同定に完全畳み込みネットワーク(FCN)を適用した。
FCNは、様々なレベルのノイズ、収差、炭素汚染の存在下でのシミュレーション画像で訓練されている。
広範囲な実験STEM画像に対するFCNモデルの精度は、注意深いハンズオン分析の精度に匹敵する。
論文 参考訳（メタデータ） (2022-06-09T04:43:56Z) - Computational ghost imaging for transmission electron microscopy [4.8776835876287805]
本研究では,電子顕微鏡におけるゴーストイメージングの計算手法を用いて,必要な総強度の低減を図っている。
電子に対する同等の高分解能光空間光変調器の技術的欠如は、異なるアプローチを追求する必要があることを意味する。
電気的に帯電した金属針の分布をビーム構造に利用したビーム整形技術と、その結果の非直交パターンを扱う新しい再構成手法について述べる。
論文 参考訳（メタデータ） (2022-04-21T09:43:54Z) - Multi-Channel Convolutional Analysis Operator Learning for Dual-Energy
CT Reconstruction [108.06731611196291]
我々は,多チャンネル畳み込み解析演算子学習法(MCAOL)を開発した。
本研究では,低エネルギー,高エネルギーで減衰画像を共同で再構成する最適化手法を提案する。
論文 参考訳（メタデータ） (2022-03-10T14:22:54Z) - 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) - Subspace modeling for fast and high-sensitivity X-ray chemical imaging [4.062272647963248]
TXM-XANESイメージング技術は、マルチエネルギーのX線で一連の顕微鏡画像を取得して化学マップを得るという、新たなツールである。
高速かつ高感度なケミカルイメージングを実現するため,画像品質向上のためのシンプルで頑健なデノナイジング手法を提案する。
論文 参考訳（メタデータ） (2022-01-01T23:26:06Z) - 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。