拡散モデルベースの深層学習アルゴリズムを用いた超解像度イメージングと体積電子顕微鏡の強化 背景紹介 電子顕微鏡(Electron Microscopy、略してEM)は高解像度のイメージングツールとして、細胞生物学の重大な突破口を開いた。従来のEM技術は主に2次元のイメージングに使用されていたが、ナノスケールの複雑な細胞構造を明らかにしてきた一方で、3次元(3D)構造の研究には一定の限界があった。より高度な技術である体積電子顕微鏡(Volume Electron Microscopy、略してVEM)は、連続切片と断層走査技術(透過電子顕微鏡TEMやスキャニング電子顕微鏡SEMなど)を用いて、細胞や組織の3Dイメージングを実現し、細胞、組織、さらには小型のモデル生物のナノスケールの3D構造を抽出...

Dimond: 深層学習による拡散モデルの最適化に関する研究 学術的背景 脳科学および臨床応用において、拡散磁気共鳴イメージング（Diffusion Magnetic Resonance Imaging, dMRI）は、非侵襲的に脳組織の微細構造や神経連結性を描くための重要なツールです。しかし、拡散信号モデルのパラメーターを正確に推定する計算コストは高く、画像ノイズの影響を受けやすいです。既存の多くの深層学習に基づく教師あり推定法は、効率と性能の向上の可能性を示していますが、これらの方法は通常追加のトレーニングデータを必要とし、汎化性が不足しているという問題があります。 論文の出典 この研究はZihan Li、Ziyu Li、Berkin Bilgic、Hong-Hsi Lee、Kui Yi...