Direct Image Classification from Fourier Ptychographic Microscopy Measurements without Reconstruction
Created by
Haebom
저자
Navya Sonal Agarwal, Jan Philipp Schneider, Kanchana Vaishnavi Gandikota, Syed Muhammad Kazim, John Meshreki, Ivo Ihrke, Michael Moeller
개요
본 논문은 푸리에 단층 현미경(FPM)을 이용한 고해상도 이미징에서 이미지 재구성 없이 직접 측정값을 분류하는 방법을 제시합니다. FPM은 고해상도 이미징에 유용하지만 수많은 측정값의 재구성은 계산 비용이 많이 듭니다. 따라서, 본 연구는 합성곱 신경망(CNN)을 이용하여 FPM 측정값 시퀀스에서 정보를 추출하여 이미지 분류를 수행하는 방식을 제안합니다. 실험 결과, CNN은 단일 저해상도 이미지를 사용하는 방법보다 최대 12% 높은 분류 정확도를 보이며, 고해상도 이미지 재구성보다 훨씬 효율적임을 보여줍니다. 또한, 여러 원시 측정값의 학습된 다중화를 통해 데이터 양과 획득 시간을 크게 줄이면서 분류 정확도를 유지할 수 있음을 입증합니다.
시사점, 한계점
•
시사점:
◦
FPM 기반 이미징에서 이미지 재구성 단계를 생략하여 계산 비용을 크게 절감할 수 있는 새로운 접근 방식을 제시합니다.
◦
CNN을 이용하여 FPM 측정값에서 직접 정보를 추출하여 기존 방법보다 높은 분류 정확도를 달성합니다.
◦
학습된 다중화 기법을 통해 데이터 획득 시간을 단축하면서 분류 성능을 유지할 수 있습니다.
