論文の概要: Agentic AI-powered flexible fiber-bundle endoscopy for high-resolution NIR-II fluorescence imaging in vivo
- arxiv url: http://arxiv.org/abs/2608.08402v1
- Date: Sun, 09 Aug 2026 01:43:29 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-11 19:16:36.804049
- Title: Agentic AI-powered flexible fiber-bundle endoscopy for high-resolution NIR-II fluorescence imaging in vivo
- Title（参考訳）: エージェントAIを用いた高分解能NIR-II蛍光イメージングのためのフレキシブルファイババンドル内視鏡
- Abstract要約: 我々は,光学-計算共設計による制約を克服する,AIを利用したフレキシブル内視鏡プラットフォームを提案する。
我々は,ハニカムアーティファクト除去と画像復元のためのエージェントガイド混合(GAME)パイプラインを開発した。
GAMEは、我々の内視鏡で取得した多様な生体画像、細胞、マウス、およびヒトのサンプルに単一のエントリポイントを提供する。
- 参考スコア（独自算出の注目度）: 11.502510591049129
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Fiber-bundle endoscopy offers a compact and flexible route for clinical fluorescence imaging through natural human orifices, but since its first report in the 1950s, it has remained limited by low spatial resolution, honeycomb artifacts, and inter-core crosstalk. The crosstalk becomes more pronounced at near-infrared-II wavelengths (NIR-II, 1000-3000 nm), a spectral window that offers superior contrast, resolution, and tissue penetration depth for biomedical imaging. Here, we present an AI-powered flexible endoscopy platform that overcomes these constraints through optical-computational co-design: optimizing ultrathin fiber bundles to mitigate crosstalk-induced image blur and enable high-fidelity image transmission across the visible-to-NIR-II spectral range, and developing an Agent-Guided Mixture-of-Experts (GAME) pipeline for honeycomb-artifact removal and image restoration. GAME provides a single restoration entry point for diverse biomedical images acquired with our endoscope, spanning cell, mouse and human samples. It dynamically routes each input to suitable restoration experts via a vision-language model, facilitating image reconstruction with a fourfold resolution improvement beyond the NyquistShannon sampling limit. The utility of our endoscope is demonstrated through in vivo NIR-II imaging of anatomical structures in mice, as well as imaging of the digital micromirror device (DMD)-projected human gastric tube and lymphatic system, paving the way for future clinical translation.
- Abstract（参考訳）: ファイバーバンドル内視鏡は、天然のヒトのオリフィスを通した臨床蛍光画像のコンパクトで柔軟な経路を提供するが、1950年代に初めて報告されて以来、それは低空間分解能、ハニカム人工物、コア間クロストークによって制限されてきた。
クロストークは、医用画像のコントラスト、解像度、組織透過深度に優れたスペクトル窓である近赤外線II波長(NIR-II, 1000-3000nm)でより発音される。
本稿では,超薄繊維束を最適化してクロストークによる画像のぼかしを緩和し,可視光からNIR-IIスペクトル範囲にわたって高忠実な画像伝送を可能にする,光-コンピュータ共設計によるこれらの制約を克服する,AIによるフレキシブル内視鏡プラットフォームを提案する。
GAMEは、内視鏡で取得した多様な生体画像、細胞、マウス、ヒトのサンプルを修復するための単一のエントリポイントを提供する。
視覚言語モデルによって各入力を適切な復元専門家に動的にルーティングし、NyquistShannonサンプリング限界を超える4倍の解像度で画像再構成を容易にする。
内視鏡の有用性は,マウスの解剖学的構造をin vivoでNIR-IIイメージングし,DMD(Digital Micromirror Device)を投影したヒト胃管とリンパ管のイメージングを行い,将来的な臨床翻訳の道を開いた。
関連論文リスト
- CD-RCM: Generalizable Continuous-Depth Novel View Synthesis for Reflectance Confocal Microscopy [0.9539798239097633]
反射共焦点顕微鏡(RCM)は、ヒト皮膚の非侵襲的で細胞分解能の「光学的生検」を提供する。
CD-RCMは、わずかにサンプリングされたRCMスタックからリアルで見えない深さを予測するフィードフォワードモデルである。
実験により、CD-RCMはサブ秒の推論時間で高忠実なノベルビュー合成を実現することが示された。
論文 参考訳（メタデータ） (2026-06-10T19:54:23Z) - Multi-Contrast MRI Motion Correction via Parameter-Informed Disentanglement and Adaptive Experts [56.74856091904914]
パラメータインフォームドコントラストと重度適応補正を組み合わせた統合フレームワークを提案する。
ScanCLIPは、取得パラメータからアンタングルコントラストスタイルへのコントラスト埋め込みを解剖学的内容から導き、コントラストのない特徴をもたらす。
ビジョントランスフォーマーは、動きの重大度を推定し、Mixture-of-Expertsネットワークを介して特徴をルーティングし、ターゲットのアーティファクト修正を可能にする。
論文 参考訳（メタデータ） (2026-05-29T02:48:23Z) - Structured detection microscopy [0.7329200485567826]
空間モードデマルチプレキシングは、遠波長の分解能を達成でき、生物学的に関連するサンプルに適用できる。
超高分解能な生体分子イメージングをエミッタ飽和や反射性なしで実現することで、われわれの研究は生物構造、機能、力学をよりよく理解するための扉を開く。
論文 参考訳（メタデータ） (2026-04-01T02:54:53Z) - 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) - Calibration-free quantitative phase imaging in multi-core fiber
endoscopes using end-to-end deep learning [49.013721992323994]
位相再構成時間を5.5msに大幅に短縮する学習型MCF位相イメージング法を実証した。
我々はまた,MCF位相イメージングに適した最初のオープンソースデータセットを自動生成する,革新的な光学システムも導入した。
我々の訓練されたディープニューラルネットワーク(DNN)は、99.8%の平均忠実度を持つ実験において、堅牢な位相再構成性能を示す。
論文 参考訳（メタデータ） (2023-12-12T09:30:12Z) - Style transfer between Microscopy and Magnetic Resonance Imaging via Generative Adversarial Network in small sample size settings [45.62331048595689]
磁気共鳴イメージング(MRI)のクロスモーダル増強と、同じ組織サンプルに基づく顕微鏡イメージングが期待できる。
コンディショナル・ジェネレーティブ・ディベサール・ネットワーク(cGAN)アーキテクチャを用いて,ヒト・コーパス・カロサムのMRI画像から顕微鏡組織像を生成する方法を検討した。
論文 参考訳（メタデータ） (2023-10-16T13:58:53Z) - 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) - Mid-Infrared Microscopy via Position Correlations of Undetected Photons [0.0]
検出されていない光子(QIUP)を用いた量子イメージングは、最近、新しい強力なイメージングツールとして登場した。
誕生時の光子対の内部に形成されるタイトな位置相関を利用して, 理論的, 数値的に相補的なシナリオを実装し, 検証する。
感光波長3.7mu$mで10mu$m未満の分解能を実験的に示し、生命科学におけるその技術の有効性を実証した。
論文 参考訳（メタデータ） (2021-06-11T14:44:43Z) - CNN-Based Image Reconstruction Method for Ultrafast Ultrasound Imaging [9.659642285903418]
超高速超音波(US)は、フルビューフレームを1kHz以上で取得できるバイオメディカルイメージングに革命をもたらした。
強い回折アーチファクトに悩まされ、主に格子状葉、サイドローブ、エッジウェーブによって引き起こされる。
本稿では,2段階の畳み込みニューラルネットワーク(CNN)を用いた画像再構成手法を提案する。
論文 参考訳（メタデータ） (2020-08-28T17:15:37Z) - 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) - Multifold Acceleration of Diffusion MRI via Slice-Interleaved Diffusion
Encoding (SIDE) [50.65891535040752]
本稿では,Slice-Interleaved Diffusionと呼ばれる拡散符号化方式を提案する。
SIDEは、拡散重み付き(DW)画像ボリュームを異なる拡散勾配で符号化したスライスでインターリーブする。
また,高いスライスアンサンプデータからDW画像を効果的に再構成するためのディープラーニングに基づく手法を提案する。
論文 参考訳（メタデータ） (2020-02-25T14:48:17Z)
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。