論文の概要: Dynamic imaging and characterization of volatile aerosols in e-cigarette
emissions using deep learning-based holographic microscopy
- arxiv url: http://arxiv.org/abs/2104.00525v1
- Date: Wed, 31 Mar 2021 06:29:29 GMT
- ステータス: 処理完了
- システム内更新日: 2021-04-02 13:21:41.229701
- Title: Dynamic imaging and characterization of volatile aerosols in e-cigarette
emissions using deep learning-based holographic microscopy
- Title(参考訳): 深層学習型ホログラフィ顕微鏡による電子タバコ排出中の揮発性エアロゾルの動的イメージングとキャラクタリゼーション
- Authors: Yi Luo, Yichen Wu, Liqiao Li, Yuening Guo, Ege Cetintas, Yifang Zhu,
Aydogan Ozcan
- Abstract要約: 計算顕微鏡と深層学習を用いて粒子状物質(PM)の揮発性を測定する手法を提案する。
この方法は、主にプロピレングリコール(PG)、植物グリセリン(VG)、ニコチン、および香料化合物からなる液体混合物(e液体)を蒸発させる電子タバコ(e-cigs)によって生成されたエアロゾルに適用された。
- 参考スコア(独自算出の注目度): 8.170865328397662
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Various volatile aerosols have been associated with adverse health effects;
however, characterization of these aerosols is challenging due to their dynamic
nature. Here we present a method that directly measures the volatility of
particulate matter (PM) using computational microscopy and deep learning. This
method was applied to aerosols generated by electronic cigarettes (e-cigs),
which vaporize a liquid mixture (e-liquid) that mainly consists of propylene
glycol (PG), vegetable glycerin (VG), nicotine, and flavoring compounds. E-cig
generated aerosols were recorded by a field-portable computational microscope,
using an impaction-based air sampler. A lensless digital holographic microscope
inside this mobile device continuously records the inline holograms of the
collected particles. A deep learning-based algorithm is used to automatically
reconstruct the microscopic images of e-cig generated particles from their
holograms, and rapidly quantify their volatility. To evaluate the effects of
e-liquid composition on aerosol dynamics, we measured the volatility of the
particles generated by flavorless, nicotine-free e-liquids with various PG/VG
volumetric ratios, revealing a negative correlation between the particles'
volatility and the volumetric ratio of VG in the e-liquid. For a given PG/VG
composition, the addition of nicotine dominated the evaporation dynamics of the
e-cig aerosol and the aforementioned negative correlation was no longer
observed. We also revealed that flavoring additives in e-liquids significantly
decrease the volatility of e-cig aerosol. The presented holographic volatility
measurement technique and the associated mobile device might provide new
insights on the volatility of e-cig generated particles and can be applied to
characterize various volatile PM.
- Abstract(参考訳): 様々な揮発性エアロゾルは健康に悪影響を及ぼすが、これらのエアロゾルの特徴は、そのダイナミックな性質のために困難である。
本稿では,計算顕微鏡と深層学習を用いて粒子状物質(PM)の揮発性を直接測定する手法を提案する。
主にプロピレングリコール(PG)、野菜グリセリン(VG)、ニコチン(Nicotine)、香料化合物からなる液体混合物(e-quid)を蒸発させる電子タバコ(e-cigs)が生成するエアロゾルに適用した。
e-cig生成エアロゾルは、衝突型エアサンプラーを用いて電場可搬型顕微鏡で記録された。
この移動装置内のレンズレスデジタルホログラフィー顕微鏡は、収集した粒子のインラインホログラムを連続的に記録する。
ディープラーニングに基づくアルゴリズムは、ホログラムからe-cig生成粒子の微視的画像を自動的に再構成し、そのボラティリティを迅速に定量化する。
エアロゾル力学に及ぼすE-液組成の影響を評価するため, 種々のPG/VG容積比を持つフレーバーレス, ニコチンフリーのE-液の揮発性を測定し, 粒子の揮発性とVGの体積比との負の相関を明らかにした。
所定のPG/VG組成では, ニコチンの添加がe-シグエアロゾルの蒸発動態を支配し, 上記の負相関はもはや観察されなかった。
また,e液中のフレーバー添加剤はe-cigエアロゾルの揮発性を大幅に低下させることが明らかとなった。
ホログラフィックボラティリティ測定手法と関連するモバイルデバイスは,e-cig生成粒子のボラティリティに関する新たな知見を提供し,各種揮発性pmの特性評価に応用することができる。
関連論文リスト
- LiqD: A Dynamic Liquid Level Detection Model under Tricky Small
Containers [5.361320134021586]
本稿では,U2-Netに基づくコンテナ動的液位検出モデルを提案する。
実験結果から, 容器内の液体の動的液体レベル変化を効果的に検出できることが示唆された。
論文 参考訳(メタデータ) (2024-03-13T05:53:25Z) - Understanding and Visualizing Droplet Distributions in Simulations of
Shallow Clouds [13.200838744804942]
我々は,ドロップレットサイズを整理する上で,新規かつ直感的に可視化する。
液滴スペクトルの進化はエアロゾル準位に類似しているが、異なる速度で起こる。
この類似性は、降水開始過程は、開始時期の変動にもかかわらず類似していることを示している。
論文 参考訳(メタデータ) (2023-10-31T04:25:00Z) - Learning Over Molecular Conformer Ensembles: Datasets and Benchmarks [45.9401235464876]
コンフォーマーアンサンブルを用いた学習の可能性を徹底的に評価するための,最初のMoleculAR Conformer Ensemble Learningベンチマークを導入する。
その結果,コンバータ空間からの直接学習は,様々なタスクやモデルの性能を向上させることができることがわかった。
論文 参考訳(メタデータ) (2023-09-29T20:06:46Z) - Reduce, Reuse, Recycle: Compositional Generation with Energy-Based
Diffusion Models and MCMC [106.06185677214353]
拡散モデルは、多くの領域において、生成モデリングの一般的なアプローチとなっている。
本稿では,新しい構成演算子の利用を可能にする拡散モデルのエネルギーベースパラメータ化を提案する。
これらのサンプルは、幅広い問題にまたがって構成生成の顕著な改善につながっている。
論文 参考訳(メタデータ) (2023-02-22T18:48:46Z) - Virtual impactor-based label-free bio-aerosol detection using holography
and deep learning [12.638229037752586]
カビ胞子や花粉などの生物エアロゾルへの曝露は健康に悪影響を及ぼす可能性がある。
本稿では, 仮想衝突装置に集束された粒子状物質のホログラフィック画像を撮影する, 無ラベルバイオエアロゾルセンサを提案する。
論文 参考訳(メタデータ) (2022-08-30T04:18:18Z) - Features of a Splashing Drop on a Solid Surface and the Temporal
Evolution extracted through Image-Sequence Classification using an
Interpretable Feedforward Neural Network [0.0]
隠れ層がゼロの高解釈可能なフィードフォワードニューラルネットワーク(FNN)を用いて固体表面のばね滴の特徴を抽出する。
訓練されたFNNは、空気力学的に持ち上げられたラメラの周りに放出された二次液滴の時間的進化を特定する。
論文 参考訳(メタデータ) (2022-07-03T07:21:09Z) - Real-time equation-of-motion CC cumulant and CC Green's function
simulations of photoemission spectra of water and water dimer [54.44073730234714]
実時間CC累積法で得られた結果について考察する。
これらの方法を用いて得られたイオン化ポテンシャルを価領域で比較した。
RT-EOM-CC法とCCGF法により得られたスペクトル関数の特徴を衛星ピークの位置と関連づけて解析した。
論文 参考訳(メタデータ) (2022-05-27T18:16:30Z) - NeuroFluid: Fluid Dynamics Grounding with Particle-Driven Neural
Radiance Fields [65.07940731309856]
深層学習は流体のような複雑な粒子系の物理力学をモデル化する大きな可能性を示している。
本稿では,流体力学グラウンドリング(fluid dynamics grounding)として知られる,部分的に観測可能なシナリオについて考察する。
我々はNeuroFluidという2段階の異なるネットワークを提案する。
初期形状、粘度、密度が異なる流体の基礎物理学を合理的に推定することが示されている。
論文 参考訳(メタデータ) (2022-03-03T15:13:29Z) - Quantification of pulmonary involvement in COVID-19 pneumonia by means
of a cascade oftwo U-nets: training and assessment on multipledatasets using
different annotation criteria [83.83783947027392]
本研究は、新型コロナウイルスの肺病変の同定、セグメント化、定量化のために人工知能(AI)を活用することを目的とする。
2つのU-netのカスケードをベースとした自動解析パイプラインLungQuantシステムを開発した。
LungQuantシステムにおけるCT-Severity Score(CT-SS)の精度も評価した。
論文 参考訳(メタデータ) (2021-05-06T10:21:28Z) - Metal-Oxide Sensor Array for Selective Gas Detection in Mixtures [0.0]
我々は機械学習アルゴリズムとともに,モノリシックでマイクロファブリケートな金属酸化物半導体(MOS)センサアレイを提案する。
異なる温度でピクセルを走らせることで得られる高次元データは、機械学習アルゴリズムのトレーニングに使用される。
その結果, 混合ガス中の個々のガス濃度の予測には, MOS元素の多量性と, 様々な温度で測定する能力が不可欠であることが示唆された。
論文 参考訳(メタデータ) (2021-02-25T16:43:54Z) - GraphAF: a Flow-based Autoregressive Model for Molecular Graph
Generation [45.360695120154]
グラフ生成のためのフローベース自己回帰モデルGraphAFを提案する。
GraphAFは,(1)データ密度推定のための高いモデル柔軟性,(2)訓練のための効率的な並列計算,(3)化学領域の知識を有効活用する反復サンプリングプロセスといった,自己回帰的アプローチとフローベースアプローチの両方の利点を併せ持つ。
論文 参考訳(メタデータ) (2020-01-26T01:12:40Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。