您好、欢迎来到现金彩票网!
当前位置:双赢彩票 > 非线性量化 >

利用深度学习的方法得到了一种能够最大化非线性计算成像系统的实

发布时间:2019-05-01 19:00 来源:未知 编辑:admin

  计算成像系统架起了硬件和图像重建间的桥梁,让很多复杂的光学成像系统包括断层扫描、超分辨和相位成像等,都在计算成像的助力下得以通过对商业显微镜和计算重建的简单改造而实现。传统的方法要求用大量的测量来保证检测质量,但对于活细胞成像来说测量的次数则受到了细胞运动的限制,人们自然想知道什么样的测量方式是最为有效的?在最新发表的论文中,来自伯克利的研究人员利用

  左图和中图为显微镜硬件附加了LED照明阵列,右图为LED的照明模式(工作频率100Hz)

  标准的显微镜通过观察样本的吸收对比度来实现成像,但大多数生物细胞的组织吸收都很弱。虽然染料和色素可以提高对比度,但却会对活细胞长生不良影响。计算成像使得利用其它光学特性来获得强对比成像和定量测量成为可能(例如相位/折射率变化)

  同时可将显微镜的照相光源替换为可编程的LED阵列,在不同LED照明模式下的成像将会把样本的相位信息(空间谱)编码成强度信息来测量。在多次测量后(10~100)可利用这些信息定量地求解逆问题来重建样本的相位,并很有可能超过显微镜原有的分辨率,或者得到三维的信息。

  但由于需要多次测量,需要权衡样本的重现质量与时间分辨率。当样本移动时,时间分辨率不足带来的模糊会造成成像质量下降。为了解决这一问题,研究人员们需要寻找如何在更少的测量下获得高精度的重建,从而改善成像的时间分辨率。但什么是LED阵列最好的照明模式?如何得到对信息最高效的编码方式呢?

  为LED阵列设计照明模式是复杂的问题,很多计算成像系统都会在硬件编码信息和重建时引入非线性。传统的设计理论几乎都将这一过程视为了线性系统,但这样的假设却无法提高非线性系统的测量质量。

  研究人员们从新的角度来思考了目前面临的问题,提出了基于物理的学习设计,通过学习来获得能够最大化系统性能的实验设计。在给定系统模型、计算重建和数据集的前提下学习出最佳系统配置来最大化系统性能。在这一系统中,LED照明阵列显微镜作为待优化的硬件,而正则化的相位恢复作为计算重建目标。由于包含了众多的非线性过程使得传统方法难以设计。

  为了阐述本文的方法,研究人员利用小的仿真数据集来为量化相位成像系统学习出了优秀的实验设计,结果表明这种方法在使用小部分测量的情况下得到重建质量达到了更复杂方法所重建的水平。

  实验设计优化的目标在于最小化无偏估计器的方差(MSE)或者最大化信息。通常的方法基于方差统计信息的实值部分(行列式、迹)来进行优化,但这种方法只能对线性无偏估计器进行优化,但却无法充分优化非线性估计器。在本研究中,研究人员希望通过解正则化相位恢复问题来估计相位图像(非线性+有偏估计)。

  具体来说就是希望通过最小化数据量D和先验p(稀疏性、总方差等)来从几次非线性测量y中得到样本的光学参数x

  损失函数可以利用基于梯度下降法的优化算法迭代优化,研究人员选择了加速近端梯度下降法(accelerated proximal gradient descent):

  其中x为当前估计,μ为加速项,w、z为中间变量,N为迭代次数。绿色为梯度更新、粉色为最邻近更新、橘色为加速更新。

  本实验的目标是为非线性的计算成像系统学习出实验设计(如何最好的编码信息),但在传统方法不凑效的情况下,研究人员考虑将上述算法的迭代优化过程展开成神经网络,并将网络的每一层视为优化器的一个迭代过程。在每一个内包含了梯度优化、最邻近更新和加速更新过程如下图所示。基于此设计的网络结合了非线性成像过程和重建的先验信息。

  基于物理展开的神经网络,输入多个相机测量结果C,输出重建相位图像x,并与基准x’比较得到损失。每一层神经元对应着一个优化迭代步骤。

  值得一提的是近年来将图像重建中的迭代过程进行流程化展开已经出现了很多值得注意的工作。

  在这一实验中,需要学习的是如何调制LED的照明方式来最小化重建误差,那么这一实验设计问题可以被转换为监督学习问题:

  其中L2为相位图像的重建误差。为LED的照明集,即T个LED的M次照明模式集合。这些变量约束了算法生成解决方案在硬件上的可行性。由于神经网络需要学习的参数很少,这个网络可以在很小的数据集(100个样本)上高效的运行!研究中使用了投影梯度下降法来最小化损失。

  在实验中,研究人员利用了100个细胞样本来作为数据集(其中10个用于测试),最终结果表明只需要两次测试就可以学习到实验设计中的参数。在下图中研究人员比较了利用学习方法和传统方法构建出的相位图。在极少量测量(2次)下可以得到与多次测量的验证方法(69次)相比米的结果。而传统方法在相同测量条件下质量已经大幅下降了。

  小鼠显微细胞的重建结果,实验显示利用基于学习的方法在仅仅两次测量下就得到了与多次测量相比拟的结果。

  这一工作探索了利用深度学习来优化非线性成像系统的可行性。研究人员利用监督学习和基于物理过程展开的神经网络。在未来研究人员还将探索更为复杂的系统和测量手段,结构化的方法来学习重建过程中的各个部分。这种方法启发实验设计的方法、特别是测量方法的设计,有希望大幅提高测量设备的时间和空间分辨率。

  文章出处:【微信号:thejiangmen,微信公众号:将门创投】欢迎添加关注!文章转载请注明出处。

  David,加州大学物理博士,美国著名电商数据科学家。本课程介绍什么是深度学习, 深度学习与机器学习的关系,几种神经网络

  David,加州大学物理博士,美国著名电商数据科学家。本课程介绍什么是深度学习, 深度学习与机器学习的关系,几种神经网络

  NNoM (Neural Network on Microcontroller) 是一个轻量化,纯C实现的一个机器学习和神经网络包。AIoT那么火,为...

  两千年前,维苏威火山(Mount Vesuvius)大规模爆发,喷发出来的岩浆和火山灰淹没了庞贝(P....

  德国弗劳恩霍夫智能分析和信息系统研究所(IAIS)日前发布了利用人工智能进行油气勘测的最新成果,这将....

  然而对此我们是否完全没有反抗的余地,我们是否还有觉悟的可能?这需要对技术的意识形态化运作模式做进一步....

  灵云声纹识别能力平台可私有化部署在企业内部,支持大规模声纹注册、验证、变更、注销等业务需求,以及对声....

  XGBoost全称:eXtreme Gradient Boosting,是一种基于决策树的集成机器学....

  瑞芯微RK1808人工智能计算棒的内置芯片RK1808其实大家应该并不陌生,这是在瑞芯微在CES20....

  为了开发一种新的方法,AlQuraishi应用了所谓的端到端可微深度学习。这一人工智能分支极大地降低....

  Facebook AI研究团队描述了一个能够从现实世界视频中提取可控角色的系统

  据介绍,这套 AI 系统主要依赖于两个神经网络。一个是由 Pose2Pose(P2P)网络基于控制信....

  数据处理方面,优化分布式 IO,增加远程文件系统流式读取能力。GPU 多机多卡同步训练通过增加稀疏通....

  基于YOLOv2模型的监控系统丧失对人物的识别能力,从而实现在摄像头下顺利”隐身”的效果

  实验中,被 Toon Goedemé 和他的团队”迷惑”的摄像头,使用著名的 YOLOv2 卷积神经....

  之前 OpenAI 提出的 GPT-2,使用近 40 GB 的网页文字训练而成,主要具备了生成文本、....

  针对传统基于形态特征的心电检测算法存在特征提取不准确和高复杂性等问题,提出了一种多层的长短时记忆(L....

  当算法可以做出比我更好的决定之际,再跟生物学研究结合起来,它当然就可以黑入我的大脑,在我不知不觉之际....

  英伟达新开源的工具它利用生成对抗网络,随便几个线条就能生成栩栩如生的图像

  GauGAN 背后的技术来自来自英伟达和 MIT 的研究团队。这个团队,包括来自英伟达的 Ting-....

  服务平台则主要由可定制化训练深度学习模型的EasyDL以及一站式开发平台AI Studio组成。Ea....

  聚力维度还联合 Qualcomm 共同为终端用户提供语音技术服务。赵天奇认为,Qualcomm 本身....

  Tensorflow 2.0版本如何帮助我们快速构建表格数据的神经网络分类模型

  但对普通开发者来说,最为重要的是,官方文档和教程变得对用户友好许多。不仅写得清晰简明,更靠着 Goo....

  为了证明神经语言假体的可行性,研究人员试图将大脑信号转换成可理解的正常说话人语速的合成语音。研究人员....

  OpenAI最新研发的MuseNet的深度神经网络,可以制作4分钟时长的音乐作品

  研究人员还创建了作曲家和乐器的 token,以便更好地控制 MuseNet 生成的样本类型。训练期间....

  该算法必须对它通过非表格函数逼近器学习的所有内容进行表示,否则它将遇到与MCTS相同的问题。MCTS....

  一个可以生成欺骗性补丁的系统模型,人们能够使自己在行人检测器中获得“隐身”的效果

  卷积神经网络(CNNs)的兴起在计算机视觉领域取得了巨大成功。 CNN在图像数据中进行端到端的学习在....

  算力、算法和大数据的进步,是AI发展的三大基础。AphlaGo之所以接连战胜人类顶尖围棋选手,一方面....

  富士通宣布打破了ImageNet的训练速度记录——在74.7秒内达到75%的准确率

  研究人员介绍说:“众所周知,具有数据并行性的分布式深度学习是加速集群训练的有效方法。通过这种方法,在....

  其中有一个问题是,机器学习是一个非专业人士极其难以接近的研究领域。一些经过教育的外行能够理解一些半技....

  AI大佬Andrej Karpathy (简称AK) ,刚刚发布了一篇长长长长博客,苦口婆心地列举了....

  在这篇长文中,Andrej Karpathy像一个操心的老父亲一样,详细且循循善诱地对所有机器学习从....

  包括Chang的研究在内的最近的各项研究都依赖于通过手术在大脑中或大脑上放置电极。虽然Faceboo....

  OpenAl提出了一种适用于文本、图像和语音的稀疏Transformer

  上图中间是第一种步进注意力的版本,可以粗略的理解为每一个位置需要注意它所在的行和列;另一种固定注意力....

  在Science这篇论文中,研究人员发现阵列的性能超出了研究人员的预期。团队预测下一版本的系统设备测....

  世界最大规模大学生超级计算机竞赛圆满落幕,最终台湾清华大学和清华大学分别斩获冠亚军

  清华大学代表队表现同样不俗,在各项赛题中都取得较好成绩,显示出国际大学生超算竞赛“梦之队”的传统强队....

  AI网红Andrej Karpathy最新力作,倾囊相授神经网络的33条训练技巧

  一旦获得了一种定性的感觉,那么写一些简单的代码来搜索/过滤/排序也是一个好主意,不管你能想到什么(例....

  在缩减阶段之后,人们可以停止 MorphNet,只需缩减网络以满足更严格的资源预算。这会导致在给定目....

  开始的通过传感器(例如CMOS)来获得数据。然后经过预处理、特征提取、特征选择,再到推理、预测或者识....

  近期,教育部发布的《教育部关于公布2018年度普通高等学校本科专业备案和审批结果的通知》,2019年....

  Facebook的研究人员提出了一个能从真实视频中抽取可控制主角的模型Vid2Game

  随后将生成的位姿及给定的背景输入Pose2Frame将生成高分辨率的真实视频序列。同样以运动员作为例....

  采用由经验确定的因子 α 和 β 对三个部分进行按比例缩放,然后求和,并使用 Adam 算法进行优化....

  人工智能教科书作者Nils John Nilsson博士去世,享年86岁

  得知Nilsson教授去世的消息,好友吴恩达发推表达了哀悼 :“安息吧,我的朋友、同事以及在AI领域....

  OpenAI新模型Sparse Transformer,预测长度超过去30倍

  减少内存消耗一种方法是在反向传播期间从检查点重新计算注意力矩阵,这是深度学习中的一种成熟技术,以增加....

  在图像中,通常在目标中心附近存在一个像素,但在点云中却不是这样。由于深度传感器仅捕获物体的表面,因此....

  通过解码大脑活动提升语音的清晰度,使用深度学习方法直接从大脑信号中产生口语句子

  实验要求参与者背诵几百个句子,电极会记录运动皮层中神经元的放电模式。研究人员将这些模式与患者在自然说....

  FSD 芯片的另一个卖点是 32MB 的SRAM缓存,32MB 也许听起来小的可怜,但这是 SRAM....

  为了提高花粉浓度预报的准确率,解决现有花粉浓度预报准确率不高的问题,提出了一种基于粒子群优化( PS....

  仓储物流机器人公司“Syrius炬星”完成数千万元 Pre-A 轮融资

  该公司创始人蒋超表示,Syrius炬星目前的核心业务有三:机器人核心技术研发,包括传感器、算法、集群....

  基于400多项运动训练了一个循环神经网络和一个深度卷积生成对抗网络,旨在创造一种全新的原创运动

  “GPU技术帮助我们将训练和生成阶段缩减到原来的一小部分,” Webb表示。“如果没有这样的速度,我....

  我喜欢TensorFlow的原因有两点:它完全是开源的,并且有出色的社区支持。TensorFlow为....

  基于深度学习的监督图像分类算法研究,MATLAB制作的。求助:程序代码修改补充,有偿

  【PYNQ-Z2试用体验】基于PYNQ-Z2的神经网络图形识别[结项]

  前言前面我们简单讲解了神经网络的基本概念和工作原理,接下来,将通过具体的python代码来完成基于神经网络的图形识别。这里使用...

  作者:德州仪器Joe Folkens 在未来的某个时候,人们必定能够相对自如地运用人工智能,安全地驾车出行。这个时刻...

  【PYNQ-Z2试用体验】基于PYNQ的神经网络自动驾驶小车-搭建神经网络

  在之前的帖子中,我们完成了神经网络自动驾驶小车的硬件搭建与底盘控制。当小车通过WiFi无线连接到网络后,已经可以对其进行远...

  过去十年里,人们对机器学习的兴趣经历了爆炸式的整长。我们几乎每天都可以在计算机程序、行业会议和媒体上看到机器学习的身影。...

  【PYNQ-Z2试用体验】基于PYNQ的神经网络自动驾驶小车-多路电机控制(结项)

  在上一篇帖子中,我们完成了“基于PYNQ的神经网络自动驾驶小车”的硬件搭建。本文我们将继续完善小车的软件框架,为小车的底...

  【PYNQ-Z2试用体验】基于PYNQ的神经网络自动驾驶小车 - 硬件搭建

  根据项目规划,本篇帖子将详解“基于PYNQ的神经网络自动驾驶小车”的硬件搭建。 一、材料清单 制作小车所需的主要部件与...

http://green-core.net/feixianxinglianghua/47.html
锟斤拷锟斤拷锟斤拷QQ微锟斤拷锟斤拷锟斤拷锟斤拷锟斤拷锟斤拷微锟斤拷
关于我们|联系我们|版权声明|网站地图|
Copyright © 2002-2019 现金彩票 版权所有