論文の概要: Self-supervised physics-informed generative networks for phase retrieval from a single X-ray hologram

• arxiv url: http://arxiv.org/abs/2508.15530v1
• Date: Thu, 21 Aug 2025 13:06:06 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-08-22 16:26:46.334082
• Title: Self-supervised physics-informed generative networks for phase retrieval from a single X-ray hologram
• Title（参考訳）: 単一X線ホログラムからの位相探索のための自己教師付き物理インフォームド生成ネットワーク
• Authors: Xiaogang Yang, Dawit Hailu, Vojtěch Kulvait, Thomas Jentschke, Silja Flenner, Imke Greving, Stuart I. Campbell, Johannes Hagemann, Christian G. Schroer, Tak Ming Wong, Julian Moosmann,
• Abstract要約: フレネル理論の近場状態における位相探索の逆問題に対する自己学習手法を提案する。 位相探索のための多くの深層学習アプローチとは異なり、我々の手法はペアリング、アンペアリング、シミュレートされたトレーニングデータを必要としない。
• 参考スコア（独自算出の注目度）: 0.4221292142376107
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: X-ray phase contrast imaging significantly improves the visualization of structures with weak or uniform absorption, broadening its applications across a wide range of scientific disciplines. Propagation-based phase contrast is particularly suitable for time- or dose-critical in vivo/in situ/operando (tomography) experiments because it requires only a single intensity measurement. However, the phase information of the wave field is lost during the measurement and must be recovered. Conventional algebraic and iterative methods often rely on specific approximations or boundary conditions that may not be met by many samples or experimental setups. In addition, they require manual tuning of reconstruction parameters by experts, making them less adaptable for complex or variable conditions. Here we present a self-learning approach for solving the inverse problem of phase retrieval in the near-field regime of Fresnel theory using a single intensity measurement (hologram). A physics-informed generative adversarial network is employed to reconstruct both the phase and absorbance of the unpropagated wave field in the sample plane from a single hologram. Unlike most deep learning approaches for phase retrieval, our approach does not require paired, unpaired, or simulated training data. This significantly broadens the applicability of our approach, as acquiring or generating suitable training data remains a major challenge due to the wide variability in sample types and experimental configurations. The algorithm demonstrates robust and consistent performance across diverse imaging conditions and sample types, delivering quantitative, high-quality reconstructions for both simulated data and experimental datasets acquired at beamline P05 at PETRA III (DESY, Hamburg), operated by Helmholtz-Zentrum Hereon. Furthermore, it enables the simultaneous retrieval of both phase and absorption information.
• Abstract（参考訳）: X線位相コントラストイメージングは、弱い、あるいは均一な吸収を持つ構造の可視化を大幅に改善し、幅広い科学分野に応用を広げる。 伝搬に基づく位相コントラストは、単一の強度測定しか必要としないため、時間または線量クリティカルなin vivo/in situ/operando実験に特に適している。 しかし、測定中に波動場の位相情報が失われ、回収されなければならない。 従来の代数的および反復的手法は、多くのサンプルや実験的な設定で満たされないような特定の近似や境界条件に依存することが多い。 さらに、専門家による復元パラメータのマニュアルチューニングが必要で、複雑な条件や変動条件に適応しにくくなります。 本稿では,フレネル理論の近場状態における位相探索の逆問題に対する,単強度測定(ホログラム)を用いた自己学習手法を提案する。 物理インフォームド生成対向ネットワークを用いて、単一ホログラムから試料面における非伝搬波の位相と吸収の両方を再構成する。 位相探索のための多くの深層学習アプローチとは異なり、我々の手法はペアリング、アンペアリング、シミュレートされたトレーニングデータを必要としない。 サンプルの種類や実験的な構成が多様であるため、適切なトレーニングデータの取得や生成は依然として大きな課題であり、このアプローチの適用性が大幅に向上する。 このアルゴリズムは多様な画像条件とサンプルタイプに対して堅牢で一貫した性能を示し、Helmholtz-Zentrum Hereon が運営するPETRA III (DESY, Hamburg) のビームライン P05 で取得したシミュレーションデータと実験データセットの定量的かつ高品質な再構成を提供する。 さらに、位相情報と吸収情報の同時検索を可能にする。

関連論文リスト

• Physics-Aware Style Transfer for Adaptive Holographic Reconstruction [1.8749305679160366]
  インラインホログラフィー画像は、記録された回折パターンから物体の複素振幅を再構成する不適切な逆問題を示す。 本稿では,物体間距離を回折パターン内の暗黙のスタイルとして解釈する物理認識型伝達手法を提案する。 逆写像演算は、強度測定からなるデータセットでのみ適応的に学習可能であることを示す。
  論文  参考訳（メタデータ） (2025-07-01T06:56:51Z)
• Data-Driven Optical To Thermal Inference in Pool Boiling Using Generative Adversarial Networks [1.0499611180329804]
  本稿では,標準プール沸騰構成における幾何位相から温度場を推定するデータ駆動フレームワークを提案する。 本研究は,観測可能な多相現象と熱輸送のギャップを埋めるための深部生成モデルの可能性を明らかにするものである。
  論文  参考訳（メタデータ） (2025-05-01T19:26:01Z)
• Enhancing Fluorescence Lifetime Parameter Estimation Accuracy with Differential Transformer Based Deep Learning Model Incorporating Pixelwise Instrument Response Function [0.3441582801949978]
  蛍光ライフタイムイメージング(FLI)は、組織微小環境に関するユニークな情報を提供する。 近年のディープラーニングの進歩により、蛍光寿命パラメーターの推定が改善されている。 本稿では,実験的な光子時間ヒストグラムとともに,計装応答関数(IRF)を付加入力として統合した新しいDLアーキテクチャであるMFliNetを提案する。
  論文  参考訳（メタデータ） (2024-11-25T20:03:41Z)
• Video Anomaly Detection via Spatio-Temporal Pseudo-Anomaly Generation : A Unified Approach [49.995833831087175]
  本研究は,画像のマスキング領域にペンキを塗布することにより,汎用的な映像時間PAを生成する手法を提案する。 さらに,OCC設定下での現実世界の異常を検出するための単純な統合フレームワークを提案する。 提案手法は,OCC設定下での既存のPAs生成および再構築手法と同等に動作する。
  論文  参考訳（メタデータ） (2023-11-27T13:14:06Z)
• Moving beyond simulation: data-driven quantitative photoacoustic imaging using tissue-mimicking phantoms [1.5006258585503878]
  実験的に良好な画像ファントムとそのデジタル双生児のコレクションを紹介する。 この第1種ファントムデータセットは、吸収係数のピクセルワイズ推定のための実験データに基づくU-Netの教師付きトレーニングを可能にする。 シミュレーションデータによるトレーニングは, シミュレーションと実験の間の領域ギャップを補強し, 評価の成果とバイアスをもたらすことを示す。
  論文  参考訳（メタデータ） (2023-06-11T19:12:30Z)
• Retrieving space-dependent polarization transformations via near-optimal quantum process tomography [55.41644538483948]
  トモグラフィー問題に対する遺伝的および機械学習アプローチの適用について検討する。 ニューラルネットワークベースのスキームは、リアルタイムにキャラクタリゼーションを必要とするアプリケーションにおいて、重要なスピードアップを提供する。 これらの結果は、より一般的な量子プロセスにおけるトモグラフィーアプローチの最適化の基礎となることを期待する。
  論文  参考訳（メタデータ） (2022-10-27T11:37:14Z)
• 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)
• Unsupervised machine learning of topological phase transitions from experimental data [52.77024349608834]
  超低温原子からの実験データに教師なし機械学習技術を適用する。 我々は、完全にバイアスのない方法で、ハルダンモデルの位相位相図を得る。 我々の研究は、複雑な多体系における新しいエキゾチック位相の教師なし検出のためのベンチマークを提供する。
  論文  参考訳（メタデータ） (2021-01-14T16:38:21Z)
• Phase Retrieval with Holography and Untrained Priors: Tackling the Challenges of Low-Photon Nanoscale Imaging [7.984370990908576]
  位相探索は、マグニチュードのみのフーリエ測定から信号を回復する逆問題である。 ナノスケールの課題に適応したホログラフィック位相検索のためのデータセットフリーなディープラーニングフレームワークを提案する。
  論文  参考訳（メタデータ） (2020-12-14T10:15:07Z)
• Neural network quantum state tomography in a two-qubit experiment [52.77024349608834]
  機械学習にインスパイアされた変分法は、量子シミュレータのスケーラブルな状態キャラクタリゼーションへの有望な経路を提供する。 本研究では,2ビットの絡み合った状態を生成する実験から得られた測定データに適用することにより,いくつかの手法をベンチマークし比較する。 実験的な不完全性やノイズの存在下では、変動多様体を物理状態に収束させることで、再構成された状態の質が大幅に向上することがわかった。
  論文  参考訳（メタデータ） (2020-07-31T17:25:12Z)

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。