コンテンツとタスクを意識した圧縮蛍光イメージングのための微分可能な顕微鏡法【JST・京大機械翻訳】

Haputhanthri Udith; Seeber Andrew; Wadduwage Dushan

プレプリント

J-GLOBAL ID：202202202164293412 整理番号：22P0311595

コンテンツとタスクを意識した圧縮蛍光イメージングのための微分可能な顕微鏡法【JST・京大機械翻訳】

Differentiable Microscopy for Content and Task Aware Compressive Fluorescence Imaging

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (3件)： , ,
資料名：
発行年： 2022年03月28日プレプリントサーバーでの情報更新日： 2023年03月04日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

スループットと画質の間のトレードオフは顕微鏡における固有の課題である。スループットを改善するために,圧縮イメージングは,画像信号をサンプリングする。次に,画像を正則化逆問題を解くことによって計算的に再構成した。従来の正則化器と比較して,深い学習ベースの方法は圧縮と画像品質においてより大きな成功を達成した。しかし,取得プロセスにおける情報損失は圧縮限界を設定する。再構成品質を損なうことなく,圧縮の更なる改善は,したがって,挑戦である。本研究では,学習可能な物理パラメータ(例えば,照明パターン)と新しい物理学に触発された逆モデルを有する現実的な一般化可能な前進モデルを含む微分可能な圧縮蛍光顕微鏡(∂μ)を提案した。カスケードモデルはエンドツーエンド微分可能であり,訓練データを通して最適圧縮サンプリングスキームを学習できる。このモデルにより,種々の圧縮顕微鏡構成について数千の数値実験を行った。学習したサンプリングは顕微鏡の照明場における試料に関する重要な情報を符号化し,最大1024までの高い圧縮を可能にすることを示した。さらに,タスクアウェア圧縮のためのフレームワークを利用した。実験結果は,セル分割タスクに関して優れた性能を示した。【JST・京大機械翻訳】

, , , , , , , , , , , , ,
, , 【Automatic Indexing@JST】

図形・画像処理一般

, , , , ,

前のページに戻る