論文の概要: Acquisition Geometry-Assisted Whole-Group Localization of X-ray Fluorescence Maps in Optical Microscopy Images
- arxiv url: http://arxiv.org/abs/2608.18305v1
- Date: Tue, 18 Aug 2026 20:33:04 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-20 20:13:55.204887
- Title: Acquisition Geometry-Assisted Whole-Group Localization of X-ray Fluorescence Maps in Optical Microscopy Images
- Title（参考訳）: 光学顕微鏡画像におけるX線蛍光図の取得幾何学による全群局在化
- Abstract要約: X線蛍光顕微鏡は元素分布をマッピングし、光学顕微鏡は形態学的文脈を提供する。
現在のほとんどの場合、取得メタデータが既にタイルの相対走査位置を記録している場合でも、各XRFタイルは独立して配置されている。
本研究は、XRFタイル群局所化を定式化し、XRFタイル群全体の光フレーム配置を推定する。
- 参考スコア（独自算出の注目度）: 3.0668934158765335
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: X-ray fluorescence (XRF) microscopy maps elemental distributions, while optical microscopy can provide complementary morphological context. Localizing XRF fields of view (FOVs) in optical images is difficult because the two modalities differ in contrast mechanism and resolution. Most current workflows place each XRF tile independently, even when acquisition metadata already record the tiles' relative scan positions. This study formalizes XRF tile-group localization, in which one optical-frame placement is estimated for the whole group, constrained by acquisition geometry and quantified using group intersection-over-union (GroupIoU). In a controlled case study, independent localization failed with GroupIoU 0.000, whereas group localization achieved 0.931. Replacing the normalized cross-correlation (NCC) metric with mutual information (MI) gave nearly identical results, showing that the outcome is not specific to one local similarity metric. In another multiscale case study, using a coarse XRF survey scan to connect the fine-scale tile group to the optical image increased mean GroupIoU from 0.694 to 0.856. These case studies support using acquisition geometry as an explicit constraint when localizing related XRF tiles.
- Abstract（参考訳）: X線蛍光(XRF)顕微鏡は元素分布をマッピングし、光学顕微鏡は相補的な形態的コンテキストを提供する。
光画像におけるXRF視野(FOV)の局在化は、コントラスト機構と解像度が異なるため困難である。
現在のワークフローの多くは、取得メタデータが既にタイルの相対走査位置を記録している場合でも、各XRFタイルを独立に配置している。
本研究は,XRFタイル群の局所化を定式化し,グループ全体の光フレーム配置を推定し,グループ交叉対ユニオン(GroupIoU)を用いて定量化する。
コントロールされたケーススタディでは、グループIoU 0.000で独立したローカライゼーションが失敗し、グループローカライゼーションは0.931に達した。
正規化相互相関法(NCC)を相互情報法(MI)に置き換えると、ほぼ同じ結果が得られる。
別のマルチスケールケーススタディでは、粗いXRFサーベイスキャンを用いて、微細なタイル群を光学画像に接続すると、GroupIoUの平均は0.694から0.856に増加した。
これらのケーススタディは、関連するXRFタイルをローカライズする際に、明示的な制約として取得幾何学を使用する。
関連論文リスト
- XRF-to-Optical Field-of-View Localization with Vision Language Models [3.0668934158765335]
フィールド・オブ・ビュー(FOV)のローカライゼーションは必要だが、外観や構造が様々に異なる場合には困難である。
本稿では,同区間の高対応性および隣接区間の低対応性画像を表す2つのデータセットに対して,トレーニングフリービジョン言語モデル(VLM)のローカライゼーションを評価する。
論文 参考訳（メタデータ） (2026-08-18T20:41:07Z) - Disentangling Co-Occurring Retinal Pathologies with Saliency-Guided Sparse Expert Routing [3.332219204498619]
本稿では,これをスパース条件計算によって解決する新しいアーキテクチャを提案する。
本研究は, 局所的な病変との整合性を示すとともに, 地理的に類似した症例を地図化したものである。
論文 参考訳（メタデータ） (2026-08-10T15:43:43Z) - Physically Aware Radiomics Without Interpolation: Disentangling Voxel Geometry and Signal Modification in CT and MRI [0.0]
物理幾何学をテクスチャに組み込んだボクセル・スポーピング対応放射能フレームワークを試作した。
4つの構成を比較した: ネイティブ非サンプリング抽出, 等方的再サンプリング, ボクセル・スパッシング・アウェア抽出, 偽等方的前処理。
論文 参考訳（メタデータ） (2026-07-14T06:19:05Z) - Micro-Defects Expose Macro-Fakes: Detecting AI-Generated Images via Local Distributional Shifts [48.75898711300078]
生成モデルは、非常に現実的なように見えるイメージを生成することができ、実際の画像とAI生成イメージを区別する上での課題を提起する。
局所分布認識検出フレームワークであるマクロフェイク(MDMF)のマイクロ欠陥をマクロレベルの分布不規則性に増幅する。
提案手法は, 局所的な法医学的信号が生成画像に存在する場合, パッチワイド・モデリングにより, 明らかな相違が生じることを示す。
論文 参考訳（メタデータ） (2026-05-10T03:44:09Z) - A Bi-channel Aided Stitching of Atomic Force Microscopy Images [3.533721662684487]
そこで本研究では,AFM生成バイオフィルム画像にバイチャネル支援機能を用いた画像縫合法を提案し,その応用を実証する。
我々は、AFMデータの振幅チャネルを用いてマッチング特性を最大化し、元の地形画像の位置を推定する。
このワークフローは, 不正な縫合による誤解析や発見を避けるために, 実験者にとって有益であると考えている。
論文 参考訳（メタデータ） (2025-03-11T04:46:21Z) - CuNeRF: Cube-Based Neural Radiance Field for Zero-Shot Medical Image Arbitrary-Scale Super Resolution [78.734927709231]
医用画像任意スケール超解像 (MIASSR) が最近注目され, 任意のスケールの医用ボリュームを単一モデルで超高精細化することを目指している。
連続領域における任意のスケールで医用画像が得られるゼロショットMIASSRフレームワークCuNeRFを提案する。
論文 参考訳（メタデータ） (2023-03-28T18:36:19Z) - 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) - Boosting Few-shot Fine-grained Recognition with Background Suppression
and Foreground Alignment [53.401889855278704]
FS-FGR (Few-shot Fine-fine Recognition) は、限られたサンプルの助けを借りて、新しいきめ細かなカテゴリを認識することを目的としている。
本研究では,背景アクティベーション抑制 (BAS) モジュール,フォアグラウンドオブジェクトアライメント (FOA) モジュール,および局所的局所的(L2L) 類似度測定器からなる2段階の背景アライメントとフォアグラウンドアライメントフレームワークを提案する。
複数のベンチマークで行った実験により,提案手法は既存の最先端技術よりも大きなマージンで優れていることが示された。
論文 参考訳（メタデータ） (2022-10-04T07:54:40Z) - Radiomics-Guided Global-Local Transformer for Weakly Supervised
Pathology Localization in Chest X-Rays [65.88435151891369]
Radiomics-Guided Transformer (RGT)は、テキストトグロバル画像情報と、テキストトグロバル情報とを融合する。
RGTは、画像トランスフォーマーブランチ、放射能トランスフォーマーブランチ、および画像と放射線情報を集約する融合層から構成される。
論文 参考訳（メタデータ） (2022-07-10T06:32:56Z) - Anomaly Clustering: Grouping Images into Coherent Clusters of Anomaly
Types [60.45942774425782]
我々は異常クラスタリングを導入し、その目標はデータを異常型の一貫性のあるクラスタにまとめることである。
これは異常検出とは違い、その目標は異常を通常のデータから分割することである。
パッチベースの事前訓練されたディープ埋め込みとオフザシェルフクラスタリング手法を用いた,単純で効果的なクラスタリングフレームワークを提案する。
論文 参考訳（メタデータ） (2021-12-21T23:11:33Z) - Statistical control for spatio-temporal MEG/EEG source imaging with
desparsified multi-task Lasso [102.84915019938413]
脳磁図(MEG)や脳電図(EEG)のような非侵襲的手法は、非侵襲的手法を約束する。
ソースローカライゼーション(ソースイメージング)の問題は、しかしながら、高次元の統計的推測問題を引き起こす。
この問題に対処するために,分離されたマルチタスクラッソ(ecd-MTLasso)のアンサンブルを提案する。
論文 参考訳（メタデータ） (2020-09-29T21:17:16Z)
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。