文献

J-GLOBAL ID：202202289384736546   整理番号：22A0848311

生物学的画像再構成と強化のための教師なし深層学習法:信号処理展望からの概観【JST・京大機械翻訳】

Unsupervised Deep Learning Methods for Biological Image Reconstruction and Enhancement: An overview from a signal processing perspective

著者 (4件)： Akcakaya Mehmet (University of Minnesota, Minneapolis, Minnesota, USA) ,  Yaman Burhaneddin (University of Minnesota, Minneapolis, Minnesota, USA) ,  Chung Hyungjin (Korea Advanced Institute of Science and Technology, Daejeon, Korea) ,  Ye Jong Chul (Korea Advanced Institute of Science and Technology, Daejeon, Korea)
資料名： IEEE Signal Processing Magazine  (IEEE Signal Processing Magazine)
巻： 39  号： 2  ページ： 28-44  発行年： 2022年 
JST資料番号： H0928A  ISSN： 1053-5888  CODEN： ISPRE6  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 最近,深層学習(DL)手法が,それらの高性能と超高速推論時間のおかげで,生物学的画像再構成と強化問題のための主要な研究フロンティアになった。しかし,教師つき学習のための整合参照データを得ることの困難さのため,対参照データを必要としない教師なし学習アプローチへの関心が高まっている。特に,自己監督学習および生成モデルは,様々な生物学的イメージング応用に対して首尾よく使用されている。本論文では,古典的逆問題の文脈におけるコヒーレントな展望からこれらのアプローチの概要を提供し,電子,蛍光,デコンボリューション顕微鏡,光回折トモグラフィー(ODT),および機能的神経イメージングを含む生物学的イメージングへの応用について議論する。Copyright 2022 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 蛍光 ,  コヒーレンス ,  光回折 ,  *学習 ,  *信号処理 ,  教師なし学習 ,  *生物学 ,  デコンボリューション ,  画像処理 ,  教師つき学習 ,  逆問題 ,  トモグラフィー ,  *機械学習 ,  *画像再構成
準シソーラス用語： 生成モデル ,  *深層学習 , 【Automatic Indexing@JST】

分類 (1件)： 医用画像処理  (JE04020T)

タイトルに関連する用語 (6件)： 生物学 ,  画像再構成 ,  強化 ,  教師 ,  深層学習 ,  展望