Fugu-MT 論文翻訳(概要): MicroDiffuse3D: A Foundation Model for 3D Microscopy Imaging Restoration

論文の概要: MicroDiffuse3D: A Foundation Model for 3D Microscopy Imaging Restoration

arxiv url: http://arxiv.org/abs/2605.08566v1
Date: Fri, 08 May 2026 23:58:35 GMT
ステータス: 翻訳完了
システム内更新日: 2026-05-12 23:28:49.74419
Title: MicroDiffuse3D: A Foundation Model for 3D Microscopy Imaging Restoration
Title（参考訳）: MicroDiffuse3D : 3次元顕微鏡画像再生の基礎モデル
Authors: Yongkang Li, Brian Wong, King Wai Chiu, Hanwen Xu, Tangqi Fang, Erin Dunnington, Dan Fu, Sheng Wang,
Abstract要約: ケミカルイメージングは、細胞、組織、生体システムのラベルのない可視化を可能にする。その幅広い用途は、特に3次元イメージングにおいて、遅いデータ取得によって制限されている。本稿では,3次元顕微鏡画像復元のための基礎モデルであるMicroDiffuse3Dを提案する。
参考スコア（独自算出の注目度）: 3.8803751453810165
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Chemical imaging enables label-free visualization of cells, tissues and living systems while providing direct biochemical information that is difficult to obtain with conventional fluorescence microscopy. Despite its promise in applications ranging from intraoperative diagnosis to drug-response analysis, its broader use remains limited by slow data acquisition, particularly for three-dimensional imaging. Here we present MicroDiffuse3D, a pretrained foundation model for 3D microscopy image restoration that recovers high-quality volumetric structure from degraded low-resolution measurements acquired at substantially higher throughput. We evaluated MicroDiffuse3D across three challenging restoration settings, including 3D super-resolution under 16-fold volumetric sparsity, joint degradation in resolution and noise, and 3D denoising in the low signal-to-noise ratio (SNR) regime, where the model delivered clear gains over strong baselines. Under the sparse 3D super-resolution setting, MicroDiffuse3D produced clearer continuity across depth with fewer artifacts and improved segmentation quality by 10.58% and line-profile concordance by 15.59%. Together, our results establish pretrained 3D restoration as a broadly applicable strategy for overcoming the throughput and SNR limitations in volumetric chemical imaging, enabling high-resolution analysis at scales and speeds that were previously difficult to achieve.
Abstract（参考訳）: ケミカルイメージングは、従来の蛍光顕微鏡では得られ難い直接の生化学的情報を提供しながら、細胞、組織、生体系のラベルのない可視化を可能にする。術中診断から薬物応答解析まで幅広い応用が期待されているが、その用途は低速なデータ取得、特に3次元イメージングに限られている。本稿では,3次元顕微鏡画像復元のための基礎モデルであるMicroDiffuse3Dについて述べる。マイクロディフューズ3Dは16倍の体積空間での3次元超解像、分解能とノイズの結合劣化、低信号-雑音比 (SNR) の3次元ノイズ化を含む3つの難解な復元条件で評価した。スパース3Dの超高解像度設定の下で、マイクロディフューズ3Dは、より少ないアーティファクトで、セグメンテーション品質を10.58%改善し、15.59%のラインアップコンコーディネートを実現した。その結果, 従来達成が困難であったスケール, 速度での高分解能解析を可能にし, スループットとSNRの限界を克服するための広範に適用可能な戦略として, 事前訓練した3D復元が確立された。

関連論文リスト

MVis-Fold: A Three-Dimensional Microvascular Structure Inference Model for Super-Resolution Ultrasound [13.431062279905449]
超高分解能超音波(SRUS)は従来の超音波の分解能限界を克服し、微小血管のマイクロスケールイメージングを可能にした。 MVis-Foldは、大規模なネットワークアーキテクチャを統合する革新的な3次元微小血管再構築モデルである。
論文参考訳（メタデータ） (2026-04-06T06:59:20Z)
DSA-SRGS: Super-Resolution Gaussian Splatting for Dynamic Sparse-View DSA Reconstruction [67.42242016220122]
血管造影は脳血管疾患の補助的診断と治療のための重要な画像診断法である。ガウススプラッティングと動的神経表現の最近の進歩は、スパースダイナミックインプットから頑健な3次元血管再構築を可能にしている。本稿では、動的スパースビューDSA再構成のための初の超高分解能ガウススプラッティングフレームワークであるDSA-SRGSを提案する。
論文参考訳（メタデータ） (2026-03-05T03:41:08Z)
Accelerating 3D Photoacoustic Computed Tomography with End-to-End Physics-Aware Neural Operators [74.65171736966131]
光音響計算トモグラフィ(PACT)は、光コントラストと超音波分解能を組み合わせることで、光拡散限界を超える深部像を実現する。現在の実装では、高密度トランスデューサアレイと長い取得時間を必要とし、臨床翻訳を制限している。本研究では,センサ計測からボリューム再構成まで,逆音響マッピングを直接学習する物理認識モデルであるPanoを紹介する。
論文参考訳（メタデータ） (2025-09-11T23:12:55Z)
High Volume Rate 3D Ultrasound Reconstruction with Diffusion Models [14.007660129016852]
三次元超音波は解剖学的構造のリアルタイムな体積可視化を可能にする。高ボリュームと高画質の両方を達成することは、依然として大きな課題である。本稿では,拡散モデル(DM)を用いて空間的・時間的分解能の向上を図り,新しい3次元超音波再構成手法を提案する。
論文参考訳（メタデータ） (2025-05-28T08:14:12Z)
Memory-Efficient Super-Resolution of 3D Micro-CT Images Using Octree-Based GANs: Enhancing Resolution and Segmentation Accuracy [0.0]
本稿では, 生成モデルを用いた3次元マイクロCT画像の品質向上のためのメモリ効率のアルゴリズムを提案する。提案モデルでは, 分解能が16倍に向上し, 異なる鉱物のマイクロCT測定において, 重なり合うX線減衰によるセグメンテーションの不正確さを補正する。このフレームワークは細孔のキャラクタリゼーションと鉱物の分化を著しく改善し、現代の地質画像における主要な計算限界の1つに対する堅牢な解を提供する。
論文参考訳（メタデータ） (2025-05-24T11:57:08Z)
3D MedDiffusion: A 3D Medical Diffusion Model for Controllable and High-quality Medical Image Generation [47.701856217173244]
制御可能な高品質な3次元医用画像生成のための3Dメディカルディフュージョン(3Dメドディフュージョン)モデル 3D MedDiffusionは、パッチワイドエンコーディングによって医療画像を潜在空間に圧縮する、新しくて高効率なPatch-Volume Autoencoderを組み込んでいる。 3D MedDiffusion は, 再生品質において最先端の手法を超越し, スパースビューCT再構成, 高速MRI再構成, データ拡張などのタスクに強い一般化性を示すことを示す。
論文参考訳（メタデータ） (2024-12-17T16:25:40Z)
A Unified Model for Compressed Sensing MRI Across Undersampling Patterns [69.19631302047569]
様々な計測アンサンプパターンと画像解像度に頑健な統合MRI再構成モデルを提案する。我々のモデルは、拡散法よりも600$times$高速な推論で、最先端CNN(End-to-End VarNet)の4dBでSSIMを11%改善し、PSNRを4dB改善する。
論文参考訳（メタデータ） (2024-10-05T20:03:57Z)
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)
Low dosage 3D volume fluorescence microscopy imaging using compressive sensing [0.0]
本稿では, 圧縮センシングによる3Dボリュームの完全再構成を, 励起量の半分未満のSNRで行う方法を提案する。ゼブラフィッシュ胚脊髄のRFP標識ニューロンの3次元体積を, 共焦点顕微鏡を用いて0.1umの軸方向サンプリングにより計測し, 本手法の実証を行った。この研究で開発されたCSベースの手法は、2光子や光シート顕微鏡などの他の深部イメージングに容易に適用でき、サンプル光毒性の低減は重要な課題である。
論文参考訳（メタデータ） (2022-01-03T18:44:50Z)
ShuffleUNet: Super resolution of diffusion-weighted MRIs using deep learning [47.68307909984442]
SISR(Single Image Super-Resolution)は、1つの低解像度入力画像から高解像度(HR)の詳細を得る技術である。ディープラーニングは、大きなデータセットから事前知識を抽出し、低解像度の画像から優れたMRI画像を生成します。
論文参考訳（メタデータ） (2021-02-25T14:52:23Z)

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。