論文の概要: Self-Tuning Regularization for Image Scanning Microscopy

• arxiv url: http://arxiv.org/abs/2605.31426v1
• Date: Fri, 29 May 2026 15:22:54 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-01 20:56:50.696882
• Title: Self-Tuning Regularization for Image Scanning Microscopy
• Title（参考訳）: 画像走査顕微鏡の自己調整規則化
• Abstract要約: 共焦点顕微鏡を用いた画像再構成のための自己調整型明示的正規化フレームワークを提案する。 提案手法は,実証的な停止規則を使わずに安定した復元を可能にする。 シミュレーションおよび実蛍光IDMデータセットの実験により、再構成安定性と画質が改善された。
• 参考スコア（独自算出の注目度）: 32.613477872461324
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Image Scanning Microscopy (ISM) is a fluorescence imaging technique that combines detector-array acquisition and computational reconstruction to achieve the theoretical resolution of an ideal confocal microscope, i.e., one operating with an infinitesimally small pinhole, while maintaining high signal-to-noise ratio. Among the reconstruction methods for obtaining the super-resolved image, multi-image deconvolution (MID) and its extension aimed at preserving the optical sectioning capability of confocal microscopy, known as super-resolution sectioning ISM (s$^2$ISM), are among the most widely used approaches. Both methods rely on Richardson--Lucy-type iterative schemes, whose semi-convergent behavior requires early stopping and often leads to noise amplification and reconstruction artifacts. In this work, we introduce a self-tuning explicit regularization framework for both MID and s$^2$ISM reconstruction. Within a Bayesian maximum a posteriori formulation, we combine a multi-frame Poisson data fidelity term with explicit regularization, considering $\ell_1$ and smoothed total variation penalties as representative examples. We further develop an automatic and ground-truth-free strategy for regularization parameter selection by adapting the residual whiteness principle to the multi-frame Poisson setting and introducing a spectral high-pass extension tailored to s$^2$ISM. The resulting framework enables stable reconstructions without empirical stopping rules. To demonstrate the proposed framework, we consider first-order optimization schemes based on proximal gradient and mirror descent methods with adaptive backtracking strategies. Experiments on simulated and real fluorescence ISM datasets demonstrate improved reconstruction stability and image quality with respect to unregularized approaches, while enabling robust super-resolution and optical sectioning in low-photon conditions.
• Abstract（参考訳）: 画像走査顕微鏡(英: Image Scanning Microscopy、ISM)は、検出器アレイの取得と計算再構成を組み合わせて、理想共焦点顕微鏡の理論的解像度、すなわち無限小のピンホールを動作させ、高い信号対雑音比を維持しながら達成する蛍光イメージング技術である。 超解像を得るための再構成方法として、マルチイメージデコンボリューション(MID)とその拡張法は、超解像分割ISM(s$2$ISM)として知られる共焦点顕微鏡の光切断能力の維持を目的としている。 どちらの手法もリチャードソン-ルーシー型反復スキームに依存しており、半収束的な振る舞いには早期停止が必要であり、しばしばノイズ増幅や復元の成果物につながる。 本稿では,MID と s$2$ISM の双方に対して,自己調整型明示正規化フレームワークを導入する。 ベイズ最大値の後述の定式化の中では、多フレームポアソンデータ忠実度項を明示正規化と組み合わせ、$\ell_1$とスムーズな全変動ペナルティを代表例として検討する。 さらに, 多フレームポアソン設定に残白度原理を適用し, s^2$ISMに合わせたスペクトル高域拡張を導入することで, 正規化パラメータ選択のための自動的かつ地味な戦略を開発する。 結果として得られるフレームワークは、経験的な停止ルールなしで安定した再構築を可能にする。 提案手法の実証のために,適応的バックトラック戦略を用いた近位勾配法とミラー降下法に基づく一階最適化方式を提案する。 シミュレーションおよび実蛍光IDMデータセットの実験では、低光子条件下で頑健な超解像および光学分割を可能にしながら、非規則化アプローチに対する再構成安定性と画質の向上が示されている。

関連論文リスト

• A geometry-based deep equilibrium model for image restoration under multiplicative Gamma noise [1.7407198117246017]
  乗算ガンマノイズとぼかしの両方によって劣化した画像からの画像復元のためのディープラーニングフレームワークを提案する。 暗黙的なニューラル正規化に依存する従来のDeQモデルとは異なり、提案手法は幾何的先行によってパラメータ化された明示的で解釈可能な正規化器を学習する。
  論文  参考訳（メタデータ） (2026-08-05T15:10:44Z)
• MG-SpaIR: Multi-grade Sparse-guided Implicit Representation for Training-Data-Free Image Restoration [15.897294007874898]
  MG-SpaIRは、単一の観察からクリーンなイメージを復元するためのトレーニングデータのないフレームワークである。 分解能グレードにまたがる再構成を段階的に洗練する多品位粗い残留階層を導入する。 混合劣化ベンチマークの実験は、MG-SpaIRが強いトレーニングデータのないベースラインを一貫して上回ることを示した。
  論文  参考訳（メタデータ） (2026-06-30T20:17:37Z)
• RefLSM: Linearized Structural-Prior Reflectance Model for Medical Image Segmentation and Bias-Field Correction [10.716406019360441]
  医用画像セグメンテーションのための新しい変動反射型レベルセットモデル(RefLSM)を提案する。 RefLSMはRetinexにインスパイアされた反射率分解をセグメンテーションフレームワークに明示的に統合する。 RefLSMは,最先端レベル設定法と比較して,セグメンテーション精度,ロバスト性,計算効率が優れていることを示す。
  論文  参考訳（メタデータ） (2025-12-08T06:06:29Z)
• Two-Stage Random Alternation Framework for One-Shot Pansharpening [12.385955231193675]
  本稿では,任意のマルチスペクトル(MS)/パンクロマティック(PAN)ペアに対して,インスタンス固有の最適化を行う2段階ランダム交互化フレームワーク(TRA-PAN)を提案する。 TRA-PANは、縮小解像度画像からの強い監督制約とフル解像度画像の物理的特性を効果的に統合する。 実験の結果,TRA-PANは実世界のシナリオにおいて,定量的な測定値と視覚的品質において,最先端(SOTA)手法よりも優れていた。
  論文  参考訳（メタデータ） (2025-05-10T09:26:22Z)
• Feature Alignment with Equivariant Convolutions for Burst Image Super-Resolution [52.55429225242423]
  本稿では,同変畳み込みに基づくアライメントを特徴とするBurst Image Super-Resolution (BISR) のための新しいフレームワークを提案する。 これにより、アライメント変換は画像領域の明示的な監督を通じて学習でき、特徴領域に容易に適用できる。 BISRベンチマークの実験は、定量的メトリクスと視覚的品質の両方において、我々のアプローチの優れた性能を示している。
  論文  参考訳（メタデータ） (2025-03-11T11:13:10Z)
• Physics-Inspired Degradation Models for Hyperspectral Image Fusion [61.743696362028246]
  ほとんどの融合法は、融合アルゴリズム自体にのみ焦点をあて、分解モデルを見落としている。 我々は、LR-HSIとHR-MSIの劣化をモデル化するための物理インスパイアされた劣化モデル(PIDM)を提案する。 提案したPIDMは,既存の核融合法における核融合性能を向上させることができる。
  論文  参考訳（メタデータ） (2024-02-04T09:07:28Z)
• Latent Diffusion Prior Enhanced Deep Unfolding for Snapshot Spectral Compressive Imaging [17.511583657111792]
  スナップショット分光画像再構成は、単発2次元圧縮計測から3次元空間スペクトル像を再構成することを目的としている。 我々は, 深部展開法に先立って劣化のないモデルを生成するため, 遅延拡散モデル(LDM)という生成モデルを導入する。
  論文  参考訳（メタデータ） (2023-11-24T04:55:20Z)
• Fluctuation-based deconvolution in fluorescence microscopy using plug-and-play denoisers [2.236663830879273]
  蛍光顕微鏡で得られた生きた試料の画像の空間分解能は、可視光の回折により物理的に制限される。 この制限を克服するために、いくつかのデコンボリューションと超解像技術が提案されている。
  論文  参考訳（メタデータ） (2023-03-20T15:43:52Z)
• Universal and Flexible Optical Aberration Correction Using Deep-Prior Based Deconvolution [51.274657266928315]
  そこで本研究では,収差画像とpsfマップを入力とし,レンズ固有深層プリエントを組み込んだ潜在高品質版を生成する,psf対応プラグイン・アンド・プレイ深層ネットワークを提案する。 具体的には、多彩なレンズの集合からベースモデルを事前訓練し、パラメータを迅速に精製して特定のレンズに適応させる。
  論文  参考訳（メタデータ） (2021-04-07T12:00:38Z)
• 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)
• Kullback-Leibler Divergence-Based Fuzzy $C$-Means Clustering Incorporating Morphological Reconstruction and Wavelet Frames for Image Segmentation [152.609322951917]
  そこで我々は,厳密なウェーブレットフレーム変換と形態的再構成操作を組み込むことで,Kulback-Leibler (KL) 発散に基づくFuzzy C-Means (FCM) アルゴリズムを考案した。 提案アルゴリズムはよく機能し、他の比較アルゴリズムよりもセグメンテーション性能が優れている。
  論文  参考訳（メタデータ） (2020-02-21T05:19:10Z)
• Residual-Sparse Fuzzy $C$-Means Clustering Incorporating Morphological Reconstruction and Wavelet frames [146.63177174491082]
  Fuzzy $C$-Means (FCM)アルゴリズムは、形態的再構成操作とタイトウェーブレットフレーム変換を組み込んでいる。 特徴集合とその理想値の間の残差に対して$ell_0$正規化項を付与することにより、改良されたFCMアルゴリズムを提案する。 合成, 医用, カラー画像に対する実験結果から, 提案アルゴリズムは効率的かつ効率的であり, 他のアルゴリズムよりも優れていた。
  論文  参考訳（メタデータ） (2020-02-14T10:00:03Z)

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。