...
  • 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>Optics Letters >Multi-element microscope optimization by a learned sensing network with composite physical layers
【24h】

Multi-element microscope optimization by a learned sensing network with composite physical layers

机译：具有复合物理层的学习传感网络的多元素显微镜优化

获取原文
获取原文并翻译 | 示例
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

Standard microscopes offer a variety of settings to help improve the visibility of different specimens to the end microscope user. Increasingly, however, digital microscopes are used to capture images for automated interpretation by computer algorithms (e.g., for feature classification, detection, or segmentation), often without any human involvement. In this work, we investigate an approach to jointly optimize multiple microscope settings, together with a classification network, for improved performance with such automated tasks. We explore the interplay between optimization of programmable illumination and pupil transmission, using experimentally imaged blood smears for automated malaria parasite detection, to show that multi-element "learned sensing" outperforms its single-element counterpart. While not necessarily ideal for human interpretation, the network's resulting low-resolution microscope images (20X-comparable) offer a machine learning network sufficient contrast to match the classification performance of corresponding high-resolution imagery (100X-comparable), pointing a path toward accurate automation over large fields-of-view. (C) 2020 Optical Society of America
机译：标准显微镜提供各种设置，以帮助提高不同标本到终端显微镜用户的可见性。然而，越来越多地，数字显微镜用于通过计算机算法（例如，对于特征分类，检测或分割）来捕获图像以进行自动解释，通常没有任何人类参与。在这项工作中，我们调查了一种方法来共同优化多个显微镜设置，以及分类网络，以改善具有此类自动任务的性能。我们探讨了可编程照明和瞳孔传输优化之间的相互作用，使用实验成像血液涂片用于自动疟疾寄生虫检测，表明多元素“学识表感测”优于其单元素对应物。虽然不一定是人类解释的理想选择，但是网络产生的低分辨率显微镜图像（20x可比较）提供机器学习网络足够的对比，以匹配相应的高分辨率图像（100倍可比较）的分类性能，指向准确的路径在大型视野上的自动化。 （c）2020美国光学学会

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号