論文の概要: Plug-and-Play Volumetric Reconstruction for Compressive Sensing Light-Sheet Microscopy

• arxiv url: http://arxiv.org/abs/2607.01654v1
• Date: Thu, 02 Jul 2026 03:26:30 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-03 19:45:08.651015
• Title: Plug-and-Play Volumetric Reconstruction for Compressive Sensing Light-Sheet Microscopy
• Title（参考訳）: 圧縮感光シート顕微鏡におけるプラグアンドプレイボリューム再構成
• Authors: Jianqing Jia, Yi Gong, Xinyuan Zhang, Jichen Chai, Yichen Ding, Yifei Lou,
• Abstract要約: 本稿では,ユーザ指定のデノイザをプロセス再構成に組み込むプラグイン・アンド・プレイ(特定)フレームワークを提案する。 合成実聴データを用いた実験により, 提案手法は, 圧縮された測定値から細胞構造を復元することに成功した。
• 参考スコア（独自算出の注目度）: 7.362739375775603
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We investigate volumetric reconstruction for compressive sensing light-sheet microscopy (CS-LSM), where fast volumetric imaging is achieved by encoding multiple axial planes into each camera exposure. To recover the underlying volume from highly multiplexed measurements, we propose a plug-and-play (PnP) framework that flexibly incorporates any user-specified denoiser into the reconstruction process. Building on a slice-based formulation, we further introduce an axial-coupled model that exploits correlations between adjacent slices to improve volumetric continuity. For efficient computation, we derive a Woodbury-based update for the data-consistency step in both the slice-based and axial-coupled formulations, and employ a Gauss-Seidel sweep for the denoising step in the axial-coupled model. Under a weakly convex regularization assumption, we establish subsequential convergence of the proposed algorithm. Experiments on synthetic and real zebrafish-heart data demonstrate that the proposed framework successfully recovers cellular structures from compressed measurements, and provide practical insights into the comparative performance of commonly used denoisers within the PnP framework under the CS-LSM setup.
• Abstract（参考訳）: 圧縮感光シート顕微鏡(CS-LSM)の容積再構成について検討し,複数の軸方向平面を各カメラ露光に符号化することにより高速な容積撮像を実現する。 高多重化測定から基礎となるボリュームを回復するために,ユーザ指定のデノイザを柔軟に組み込むプラグイン・アンド・プレイ(PnP)フレームワークを提案する。 さらに,スライスに基づく定式化に基づいて,隣り合うスライス間の相関を利用して体積連続性を改善する軸結合モデルを導入する。 効率的な計算のために,スライス法と軸結合法の両方でデータ整合性ステップをウッドベリー法で更新し,軸結合法モデルではガウス・シーデルスイープを用いる。 弱凸正規化仮定の下では,提案アルゴリズムの逐次収束を確立する。 合成および実ゼブラフィッシュハートデータを用いた実験により, 提案手法は圧縮された測定値から細胞構造を復元し, CS-LSM設定下においてよく用いられるPnPフレームワークにおけるデノイザーの比較性能に関する実用的な知見を提供する。

関連論文リスト

• A Fully Convolutional Approach to Denoising Structural Dynamics Data from X-Ray Photon Correlation Spectroscopy [0.0]
  X線光子相関分光法(XPCS)のための完全畳み込みデノナイジングオートエンコーダ(FC-DAE)を提案する。 FC-DAEは任意の次元の入力を受け取り、様々な状態にまたがる相関構造を保存する。 構造的忠実性を維持しつつ、低信号対雑音条件下での複雑な力学特性を回復する。
  論文  参考訳（メタデータ） (2026-05-28T14:14:52Z)
• Provably Learning Diffusion Models under the Manifold Hypothesis: Collapse and Refine [60.669081685261965]
  拡散モデルは、顕著な品質で高次元データを生成する。 彼らのトレーニングがいかに効率的にスコア関数を学習するかは理論的には説明がつかないままである。 我々はこの原理をScore-induced Latent Diffusion (SiLD)として定式化する。
  論文  参考訳（メタデータ） (2026-05-16T16:51:10Z)
• GaussianPile: A Unified Sparse Gaussian Splatting Framework for Slice-based Volumetric Reconstruction [12.711852675106124]
  スライスに基づく体積像が広く応用され、分析のために内部構造を積極的に保存する表現が要求される。 この課題に対処するために,GaussianPileを導入し,3Dガウススプラッティングを撮像システム対応フォーカスモデルと統合する。 実際には、NeRFベースのアプローチよりも最大11倍高速で、3分で高品質な結果をもたらし、ボクセルグリッド上で一貫した16倍の圧縮を実現している。
  論文  参考訳（メタデータ） (2026-03-21T03:10:27Z)
• Compressed BC-LISTA via Low-Rank Convolutional Decomposition [47.15001096567547]
  圧縮前方・後方演算子を用いたマルチチャネルイメージングのためのスパース信号回復法(SSR)について検討した。 本稿では,低ランク畳み込みネットワーク(CNN)分解に基づくCBC(Compressed Block-Convolutional)測定モデルを提案する。
  論文  参考訳（メタデータ） (2026-01-30T16:33:51Z)
• A Plug-and-Play Framework for Volumetric Light-Sheet Image Reconstruction [7.8016751308289685]
  従来の光学イメージングは、心臓の動的細胞構造を捉えるのに不十分である。 圧縮センシングと光シート顕微鏡を統合した高性能イメージングフレームワークを提案する。 提案手法は, 優れたデノナイジング性能と画像の明瞭さで, 細胞構造を再構築することに成功した。
  論文  参考訳（メタデータ） (2025-11-05T00:49:00Z)
• Interlaced dynamic XCT reconstruction with spatio-temporal implicit neural representations [0.0]
  Inmplicit Neural Representations を用いた動的X線CT(Dynamic X-ray Computed Tomography)再構成の検討を行った。 提案手法は,ADMMに基づく最適化と,事前知識を組み込んだ条件付けフレームワークINCODEを組み合わせることで,効率的な収束を実現する。 全ての設定において、我々のモデルは強力なパフォーマンスのロバスト性を実現し、最先端のモデルベース反復法であるTIMBIR(Time-Inter Model-Based Iter Reconstruction)より優れている。
  論文  参考訳（メタデータ） (2025-10-09T01:33:58Z)
• 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)
• Light Field Reconstruction Using Convolutional Network on EPI and Extended Applications [78.63280020581662]
  スパースビューからの光場再構成のための新しい畳み込みニューラルネットワーク(CNN)ベースのフレームワークを開発した。 最先端のアルゴリズムと比較して,提案フレームワークの高性能と堅牢性を実証する。
  論文  参考訳（メタデータ） (2021-03-24T08:16:32Z)
• MuSCLE: Multi Sweep Compression of LiDAR using Deep Entropy Models [78.93424358827528]
  本稿では,LiDARセンサデータのストレージストリームを削減するための新しい圧縮アルゴリズムを提案する。 本手法は,従来のLiDAR圧縮法よりも接合形状と強度を著しく低減する。
  論文  参考訳（メタデータ） (2020-11-15T17:41:14Z)
• 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)
• Compressive MRI quantification using convex spatiotemporal priors and deep auto-encoders [2.5060548079588516]
  マルチパラメトリック画像計算のための辞書不要パイプラインを提案する。 提案手法は,圧縮型センシング再構成と定量的推論の2段階からなる。
  論文  参考訳（メタデータ） (2020-01-23T17:15:42Z)

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。