仮想蛍光顕微鏡のための物理増強機械学習【JST・京大機械翻訳】

Cooke Colin L.; Kong Fanjie; Chaware Amey; Zhou Kevin C.; Kim Kanghyun; Xu Rong; Ando D. Michael; Yang Samuel J.; Konda Pavan Chandra; Horstmeyer Roarke

プレプリント

J-GLOBAL ID：202202205632682994 整理番号：22P0132925

仮想蛍光顕微鏡のための物理増強機械学習【JST・京大機械翻訳】

Physics-enhanced machine learning for virtual fluorescence microscopy

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 (10件)： , , , , , , , , ,
資料名：
発行年： 2020年04月08日プレプリントサーバーでの情報更新日： 2020年04月21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)

仮想蛍光顕微鏡のためのデータ駆動顕微鏡設計の新しい方法を紹介した。結果は,深い畳み込みニューラルネットワークの最初の層内の照明のモデルを含めることにより,非染色透過顕微鏡画像から蛍光画像情報を推論する能力を大幅に改善するタスク特異的LEDパターンを学習できることを示した。従来の照明法と比較して,性能の一貫した改善を示すために,異なる倍率と異なる試料タイプを有する2つの異なる実験装置でこの方法を検証した。さらに,推論タスクに関する学習照明の重要性を理解するために,著者らは,蛍光画像目標(1から7ビットまで)の動的範囲を変えて,学習パターンのための改良のマージンが,目標の情報内容によって増加することを示した。本研究は,より良い機械学習アルゴリズム性能を可能にし,次世代の機械制御イメージングシステムへの物理的洞察の提供において,プログラマブル光学素子のパワーを実証した。【JST・京大機械翻訳】

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

人工知能 , 図形・画像処理一般 , パターン認識

, , , ,

前のページに戻る