論文の概要: MetaScope: Optics-Driven Neural Network for Ultra-Micro Metalens Endoscopy
- arxiv url: http://arxiv.org/abs/2508.03596v1
- Date: Tue, 05 Aug 2025 16:01:00 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-08-06 18:18:56.063577
- Title: MetaScope: Optics-Driven Neural Network for Ultra-Micro Metalens Endoscopy
- Title（参考訳）: MetaScope:超微粒子内視鏡のための光学駆動型ニューラルネットワーク
- Authors: Wuyang Li, Wentao Pan, Xiaoyuan Liu, Zhendong Luo, Chenxin Li, Hengyu Liu, Din Ping Tsai, Mu Ku Chen, Yixuan Yuan,
- Abstract要約: 小型内視鏡は、人間の体内で正確な視覚を正確に知覚する。
メタ光学の出現に伴い、メタセンス(ミクロンスケール)に基づく超微細イメージングが注目されている。
メタレンの物理的差異のため、データ取得とアルゴリズム研究には大きなギャップがある。
物理的光学によって駆動されるメタスコープ内視鏡に適した,光学駆動型ニューラルネットであるMetaScopeを提案する。
- 参考スコア（独自算出の注目度）: 23.024561197263196
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Miniaturized endoscopy has advanced accurate visual perception within the human body. Prevailing research remains limited to conventional cameras employing convex lenses, where the physical constraints with millimetre-scale thickness impose serious impediments on the micro-level clinical. Recently, with the emergence of meta-optics, ultra-micro imaging based on metalenses (micron-scale) has garnered great attention, serving as a promising solution. However, due to the physical difference of metalens, there is a large gap in data acquisition and algorithm research. In light of this, we aim to bridge this unexplored gap, advancing the novel metalens endoscopy. First, we establish datasets for metalens endoscopy and conduct preliminary optical simulation, identifying two derived optical issues that physically adhere to strong optical priors. Second, we propose MetaScope, a novel optics-driven neural network tailored for metalens endoscopy driven by physical optics. MetaScope comprises two novel designs: Optics-informed Intensity Adjustment (OIA), rectifying intensity decay by learning optical embeddings, and Optics-informed Chromatic Correction (OCC), mitigating chromatic aberration by learning spatial deformations informed by learned Point Spread Function (PSF) distributions. To enhance joint learning, we further deploy a gradient-guided distillation to transfer knowledge from the foundational model adaptively. Extensive experiments demonstrate that MetaScope not only outperforms state-of-the-art methods in both metalens segmentation and restoration but also achieves impressive generalized ability in real biomedical scenes.
- Abstract（参考訳）: 小型内視鏡は、人間の体内で正確な視覚を正確に知覚する。
一般的な研究は凸レンズを用いた従来のカメラに限られており、ミリメートルスケールの厚さによる物理的な制約は、マイクロレベルの臨床に深刻な障害を与える。
近年,メタ光学の出現に伴い,メタセンス(ミクロンスケール)に基づく超微視的イメージングが注目され,期待できる解決策となった。
しかし、金属の物理的差異のため、データ取得とアルゴリズム研究には大きなギャップがある。
これを踏まえて、この未発見のギャップを埋め、新しいメタレン内視鏡を前進させることを目標にしている。
まず,メタレンス内視鏡のデータセットを作成し,光学シミュレーションを予備的に実施し,物理的に強い光学的先行性に固執する2つの光学的問題を同定する。
第二にMetaScopeは、物理光学によって駆動されるメタレンズ内視鏡に適した、光学駆動型ニューラルネットである。
MetaScopeは2つの新しい設計で構成されている。光学インフォームドインテンシティ調整(OIA)、光学埋め込みの学習による強度減衰の補正、および光学インフォームドクロマティック補正(OCC)、学習されたポイントスプレッド関数(PSF)分布から得られる空間的変形の学習による色収差の緩和である。
共同学習を強化するため,基礎モデルから知識を適応的に伝達するために,勾配誘導蒸留を更に展開する。
大規模な実験により、MetaScopeは、メタレンのセグメンテーションと修復の両方において最先端の手法よりも優れているだけでなく、実際のバイオメディカルシーンにおける印象的な一般化能力も達成している。
関連論文リスト
- MetaFE-DE: Learning Meta Feature Embedding for Depth Estimation from Monocular Endoscopic Images [18.023231290573268]
既存の手法ではRGB画像から直接深度情報を推定する。
メタ機能埋め込み(MetaFE)と呼ばれる新しい概念を紹介する。
本稿では,分子内深度推定のための2段階の自己教師型学習パラダイムを提案する。
論文 参考訳（メタデータ） (2025-02-05T02:52:30Z) - Automated Segmentation and Analysis of Cone Photoreceptors in Multimodal Adaptive Optics Imaging [3.7243418909643093]
共焦点・非共焦点分割検出器画像を用いて光受容体を解析し,精度を向上した。
共焦点のためのStarDistと計算モダリティのためのCellposeの2つのU-Netセグメンテーションモデルについて検討した。
論文 参考訳（メタデータ） (2024-10-19T17:10:38Z) - Dual-Domain CLIP-Assisted Residual Optimization Perception Model for Metal Artifact Reduction [9.028901322902913]
CT(Computed tomography)画像における金属遺物は,正確な臨床診断に重要な課題である。
深層学習に基づくアプローチ、特に生成モデルは、金属人工物還元(MAR)のために提案されている。
論文 参考訳（メタデータ） (2024-08-14T02:37:26Z) - EyeLS: Shadow-Guided Instrument Landing System for Intraocular Target
Approaching in Robotic Eye Surgery [51.05595735405451]
ロボット眼科手術(Robotic Ophthalmic surgery)は、網膜下注入における網膜侵入や網膜剥離における浮動組織の除去など、高精度な介入を促進する新しい技術である。
現在の画像に基づく手法では、針先端の軌跡を網膜と浮動標的の両方に向けて効果的に推定することはできない。
本研究では,ターゲットの影位置と楽器先端を用いて相対的な深度位置を推定する。
手術シミュレータでは, 平均深度0.0127mm, 平均深度0.3473mm, 平均深度0.0127mm, 平均深度0.3473mmを目標とした。
論文 参考訳（メタデータ） (2023-11-15T09:11:37Z) - Deep learning network to correct axial and coronal eye motion in 3D OCT
retinal imaging [65.47834983591957]
深層学習に基づくニューラルネットワークを用いて,OCTの軸運動とコロナ運動のアーチファクトを1つのスキャンで補正する。
実験結果から, 提案手法は動作アーチファクトを効果的に補正し, 誤差が他の方法よりも小さいことを示す。
論文 参考訳（メタデータ） (2023-05-27T03:55:19Z) - Orientation-Shared Convolution Representation for CT Metal Artifact
Learning [63.67718355820655]
X線CT(CT)スキャン中、患者を乗せた金属インプラントは、しばしば有害なアーティファクトに繋がる。
既存のディープラーニングベースの手法は、有望な再構築性能を得た。
本稿では,人工物の物理的事前構造に適応するために,配向型畳み込み表現戦略を提案する。
論文 参考訳（メタデータ） (2022-12-26T13:56:12Z) - A Spatiotemporal Model for Precise and Efficient Fully-automatic 3D
Motion Correction in OCT [10.550562752812894]
OCT機器は網膜を横断する焦点スポットをバイスキャンし、断面画像を取得してデータを生成する。
非剛性で歪んだ歪みが発生し、データのギャップが生じる。
本稿では,新しい歪みモデルとそれに対応する完全自動参照フリーな計算ロバスト性最適化戦略を提案する。
論文 参考訳（メタデータ） (2022-09-15T11:48:53Z) - OADAT: Experimental and Synthetic Clinical Optoacoustic Data for
Standardized Image Processing [62.993663757843464]
オプトアコースティック(OA)イメージングは、ナノ秒レーザーパルスによる生体組織の励起と、光吸収による熱弾性膨張によって発生する超音波の検出に基づいている。
OAイメージングは、深部組織における豊富な光学コントラストと高分解能の強力な組み合わせを特徴としている。
臨床環境でのOAの幅広い応用を促進するために、異なるタイプの実験的なセットアップと関連する処理手法で生成される標準化データセットは存在しない。
論文 参考訳（メタデータ） (2022-06-17T08:11:26Z) - 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) - Modeling and Enhancing Low-quality Retinal Fundus Images [167.02325845822276]
低画質の眼底画像は臨床観察における不確実性を高め、誤診のリスクを引き起こす。
本稿では,グローバルな劣化要因を抑えるために,臨床指向の基盤拡張ネットワーク(cofe-Net)を提案する。
合成画像と実画像の両方の実験により、我々のアルゴリズムは網膜の細部を失うことなく、低品質の眼底画像を効果的に補正することを示した。
論文 参考訳（メタデータ） (2020-05-12T08:01:16Z) - Encoding Metal Mask Projection for Metal Artifact Reduction in Computed
Tomography [21.5885187197634]
CT(Computerd tomography)における金属人工物還元(MAR)は、画像領域において人工物が構造化され非局所的であるため、非常に難しい課題である。
そこで本研究では,(1)シングラム中の金属汚染領域の維持,(2)バイナライズされた金属の痕跡を金属マスク投影に置き換えることにより,この問題に対処することを提案する。
我々の新しいネットワークは、特に金属オブジェクトが大きい場合、最先端のアプローチよりも、より正確な人工物再現画像を生成する。
論文 参考訳（メタデータ） (2020-01-02T06:39:06Z)
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。