Fugu-MT 論文翻訳(概要): Harvesting data revolution for transmission electron microscopy (TEM) using signal processing

論文の概要: Harvesting data revolution for transmission electron microscopy (TEM) using signal processing

arxiv url: http://arxiv.org/abs/2104.08688v1
Date: Sun, 18 Apr 2021 02:56:04 GMT
ステータス: 処理完了
システム内更新日: 2021-04-20 13:55:01.195320
Title: Harvesting data revolution for transmission electron microscopy (TEM) using signal processing
Title（参考訳）: 信号処理を用いた透過電子顕微鏡(TEM)のハーベスティングデータ革命
Authors: Shixiang Zhu, Sven Voigt, Henry Yuchi, Jordan Key, Yao Xie, Josh Kacher, Surya R. Kalidindi
Abstract要約: TEM(Transmission Electron Microscopy)は、物質構造をイメージングし、物質化学を特徴付ける強力なツールです。近年のTEM用データ収集技術の進歩により,マイクロ秒フレームレートで高体積・高解像度のデータ収集が可能となった。この課題は、画像解析、特徴抽出、ストリーミングデータ処理技術を含む、新しいデータ処理ツールの開発を必要とする。
参考スコア（独自算出の注目度）: 8.228315909178573
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: TEM (Transmission Electron Microscopy) is a powerful tool for imaging material structure and characterizing material chemistry. Recent advances in data collection technology for TEM have enabled high-volume and high-resolution data collection at a microsecond frame rate. This challenge requires the development of new data processing tools, including image analysis, feature extraction, and streaming data processing techniques. In this paper, we highlight a few areas that have benefited from combining signal processing and statistical analysis with data collection capabilities in TEM and present a future outlook in opportunities of integrating signal processing with automated TEM data analysis.
Abstract（参考訳）: TEM(Transmission Electron Microscopy)は、物質構造をイメージングし、物質化学を特徴付ける強力なツールである。近年のTEM用データ収集技術の進歩により,マイクロ秒フレームレートで高体積・高解像度のデータ収集が可能となった。この課題は、画像解析、特徴抽出、ストリーミングデータ処理技術を含む、新しいデータ処理ツールの開発を必要とする。本稿では、TEMにおける信号処理と統計解析をデータ収集機能と組み合わせることで得られるいくつかの分野を取り上げ、自動TEMデータ解析と信号処理を統合するための今後の展望を示す。

関連論文リスト

Multiplex Imaging Analysis in Pathology: a Comprehensive Review on Analytical Approaches and Digital Toolkits [0.7968706282619793]
マルチ多重イメージングは、複数のバイオマーカーを1つのセクションで同時に視覚化することを可能にする。多重画像からのデータは、前処理、セグメンテーション、特徴抽出、空間解析のための洗練された計算方法を必要とする。 PathMLは、画像分析を効率化するAIベースのプラットフォームで、臨床および研究環境では複雑な解釈がアクセス可能である。
論文参考訳（メタデータ） (2024-11-01T18:02:41Z)
Unsupervised Multimodal Fusion of In-process Sensor Data for Advanced Manufacturing Process Monitoring [0.0]
本稿では,製造プロセスにおけるマルチモーダルセンサデータ融合に対する新しいアプローチを提案する。我々は、ラベル付きデータなしで異なるデータモダリティを相関付けるために、対照的な学習手法を活用している。本手法は,プロセス制御,異常検出,品質保証などの下流タスクを容易にする。
論文参考訳（メタデータ） (2024-10-29T21:52:04Z)
Advancing fNIRS Neuroimaging through Synthetic Data Generation and Machine Learning Applications [0.0]
本研究では,機能的近赤外分光法(fNIRS)の神経イメージングへの統合的アプローチを提案する。高品質なニューロイメージングデータセットの不足に対処することにより、モンテカルロシミュレーションとパラメトリックヘッドモデルを利用して総合的な合成データセットを生成する。スケーラブルなデータ生成と処理のためにクラウドベースのインフラストラクチャが確立され、ニューロイメージングデータのアクセシビリティと品質が向上する。
論文参考訳（メタデータ） (2024-05-18T09:50:19Z)
A Systematic Review of Available Datasets in Additive Manufacturing [56.684125592242445]
視覚およびその他のセンサー技術を組み込んだその場監視により、追加製造プロセス中に広範なデータセットの収集が可能になる。これらのデータセットは、製造された出力の品質を判断し、機械学習を使用して欠陥を検出する可能性がある。本稿では,AMプロセスから派生したオープン画像ベースデータセットの利用可能性について検討する。
論文参考訳（メタデータ） (2024-01-27T16:13:32Z)
Learning and Controlling Silicon Dopant Transitions in Graphene using Scanning Transmission Electron Microscopy [58.51812955462815]
単層炭素原子上のシリコン原子の遷移ダイナミクスを機械学習で決定する手法を提案する。データサンプルは、ニューラルネットワークをトレーニングして遷移確率を予測するために、シンボリック表現を生成するために処理され、フィルタリングされる。これらの学習された遷移ダイナミクスを利用すれば、格子全体に1つのシリコン原子を誘導し、あらかじめ決定された目標目的地へと導くことができる。
論文参考訳（メタデータ） (2023-11-21T21:51:00Z)
Systematic reduction of Hyperspectral Images for high-throughput Plastic Characterization [0.0]
ハイパースペクトルイメージング(HSI)は、顕微鏡と分光を組み合わせることで、天体内の分光活性化合物の空間分布を評価する。食品の品質管理、医薬品処理、廃棄物処理に様々な応用がある。 HSIデータセットの規模が大きいため、適切なデジタルインフラストラクチャ内で分析と保存が難しい場合がある。近年のケモメトリックスにおけるハイテク開発は、自動およびエビデンスに基づくデータ削減を可能にしている。
論文参考訳（メタデータ） (2023-08-28T11:38:08Z)
Defect Classification in Additive Manufacturing Using CNN-Based Vision Processing [76.72662577101988]
本稿では、まず、畳み込みニューラルネットワーク(CNN)を用いて、画像データセットの欠陥をAMから第2に正確に分類し、発達した分類モデルにアクティブラーニング技術を適用する。これにより、トレーニングデータやトレーニングデータの生成に必要なデータのサイズを削減できる、ヒューマン・イン・ザ・ループ機構の構築が可能になる。
論文参考訳（メタデータ） (2023-07-14T14:36:58Z)
Leveraging generative adversarial networks to create realistic scanning transmission electron microscopy images [2.5954872177280346]
機械学習は、自律的なデータ収集と処理を通じて材料研究に革命をもたらす可能性がある。我々は,実空間周波数情報を用いたシミュレーションデータを増大させるために,相互空間判別器を備えたサイクル生成逆数ネットワーク(CycleGAN)を用いる。完全な畳み込みネットワーク(FCN)をトレーニングして、450万個の原子データセット内の単一原子欠陥を同定することで、我々のアプローチを実証する。
論文参考訳（メタデータ） (2023-01-18T19:19:27Z)
TRoVE: Transforming Road Scene Datasets into Photorealistic Virtual Environments [84.6017003787244]
本研究では、シミュレーションデータセットに存在する困難とドメインギャップに対処する合成データ生成パイプラインを提案する。既存のデータセットからアノテーションや視覚的手がかりを利用すれば、自動マルチモーダルデータ生成が容易になることを示す。
論文参考訳（メタデータ） (2022-08-16T20:46:08Z)
A parameter refinement method for Ptychography based on Deep Learning concepts [55.41644538483948]
伝播距離、位置誤差、部分的コヒーレンスにおける粗いパラメトリゼーションは、しばしば実験の生存性を脅かす。最新のDeep Learningフレームワークは、セットアップの不整合を自律的に補正するために使用され、ポチコグラフィーの再構築の質が向上する。我々は,elettra シンクロトロン施設のツインミックビームラインで取得した合成データセットと実データの両方でシステムをテストした。
論文参考訳（メタデータ） (2021-05-18T10:15:17Z)
Graph signal processing for machine learning: A review and new perspectives [57.285378618394624]
本稿では,GSPの概念とツール,例えばグラフフィルタや変換による新しい機械学習アルゴリズム開発への重要な貢献について概説する。本稿では,データ構造とリレーショナル事前の活用,データと計算効率の向上,モデル解釈可能性の向上について論じる。我々は,応用数学と信号処理の橋渡しとなるGSP技術と,他方の機械学習とネットワーク科学の橋渡しとなる新たな視点を提供する。
論文参考訳（メタデータ） (2020-07-31T13:21:33Z)

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。