論文の概要: CellINR: Implicitly Overcoming Photo-induced Artifacts in 4D Live Fluorescence Microscopy

• arxiv url: http://arxiv.org/abs/2508.19300v1
• Date: Mon, 25 Aug 2025 18:38:25 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-08-28 19:07:41.36033
• Title: CellINR: Implicitly Overcoming Photo-induced Artifacts in 4D Live Fluorescence Microscopy
• Title（参考訳）: CellINR: 4D Live Fluorescence Microscopyにおける光誘起人工物
• Authors: Cunmin Zhao, Ziyuan Luo, Guoye Guan, Zelin Li, Yiming Ma, Zhongying Zhao, Renjie Wan,
• Abstract要約: 本稿では,暗黙的ニューラル表現に基づくケース固有最適化手法であるCellINRを提案する。 この手法では、3次元空間座標を高周波領域にマッピングするためにブラインド畳み込みと構造増幅方式を用いる。 実験の結果,CellINRは人工骨の除去や構造的連続性の復元において,既存の技術よりも優れていた。
• 参考スコア（独自算出の注目度）: 24.47926453523119
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: 4D live fluorescence microscopy is often compromised by prolonged high intensity illumination which induces photobleaching and phototoxic effects that generate photo-induced artifacts and severely impair image continuity and detail recovery. To address this challenge, we propose the CellINR framework, a case-specific optimization approach based on implicit neural representation. The method employs blind convolution and structure amplification strategies to map 3D spatial coordinates into the high frequency domain, enabling precise modeling and high-accuracy reconstruction of cellular structures while effectively distinguishing true signals from artifacts. Experimental results demonstrate that CellINR significantly outperforms existing techniques in artifact removal and restoration of structural continuity, and for the first time, a paired 4D live cell imaging dataset is provided for evaluating reconstruction performance, thereby offering a solid foundation for subsequent quantitative analyses and biological research. The code and dataset will be public.
• Abstract（参考訳）: 4Dライブ蛍光顕微鏡は、光漂白と光毒性効果を誘導し、光誘起アーティファクトを発生させ、画像の連続性と細部回復を著しく損なうことで、しばしば妥協される。 この課題に対処するため,暗黙的ニューラル表現に基づくケース固有最適化手法であるCellINRフレームワークを提案する。 本手法は、3次元空間座標を高周波数領域にマッピングするためにブラインド畳み込みと構造増幅法を用いており、アーティファクトからの真の信号を効果的に識別しつつ、正確なモデリングと高精度なセル構造の再構築を可能にする。 実験の結果,CellINRは人工骨の除去と構造的連続性の復元において既存の技術よりも著しく優れており,再建性能を評価するための2つの4Dライブ細胞イメージングデータセットが初めて提供され,その後の定量分析および生物学的研究のための確固たる基盤が提供される。 コードとデータセットは公開されます。

関連論文リスト

• Beyond Imaging: Vision Transformer Digital Twin Surrogates for 3D+T Biological Tissue Dynamics [0.433313790597694]
  Vision Transformer Digital Twin Surrogate Network (VT-DTSN)は、生体組織からの3D+T画像データの予測モデリングのためのディープラーニングフレームワークである。 VT-DTSNはショウジョウバエミガットの高忠実で時間分解されたダイナミクスを再構築することを学ぶ。
  論文  参考訳（メタデータ） (2025-08-21T16:24:24Z)
• 4DRGS: 4D Radiative Gaussian Splatting for Efficient 3D Vessel Reconstruction from Sparse-View Dynamic DSA Images [49.170407434313475]
  既存の手法は、しばしば最適以下の結果を生成するか、過剰な計算時間を必要とする。 高品質な高精細化を実現するため、4次元ガウススプラッティング(4DRGS)を提案する。 4DRGSは5分間のトレーニングで印象的な結果を得る。
  論文  参考訳（メタデータ） (2024-12-17T13:51:56Z)
• PR-ENDO: Physically Based Relightable Gaussian Splatting for Endoscopy [1.28795255913358]
  内視鏡画像からの3次元再構成と新規視認性合成は診断の増強に有望なツールである。 本稿では,1つの光源がカメラと密に一致している内視鏡画像のユニークな特性を利用した,新しい3D再構成フレームワークPR-ENDOを提案する。 PR-ENDOは、パブリックデータセットと社内データセットのベースライン手法と比較して、優れた再構築品質を実現する。
  論文  参考訳（メタデータ） (2024-11-19T13:52:30Z)
• 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)
• Neural 3D Reconstruction in the Wild [86.6264706256377]
  そこで我々は,インターネット写真コレクションから効率よく高精度な表面再構成を実現する新しい手法を提案する。 そこで本研究では,これらのシーンにおける再構成性能を評価するための新しいベンチマークとプロトコルを提案する。
  論文  参考訳（メタデータ） (2022-05-25T17:59:53Z)
• 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)
• 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)

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。