論文の概要: One-dimensional Active Contour Models for Raman Spectrum Baseline Correction

• arxiv url: http://arxiv.org/abs/2104.12839v1
• Date: Mon, 26 Apr 2021 19:30:34 GMT
• ステータス: 処理完了
• システム内更新日: 2021-04-28 13:32:38.486864
• Title: One-dimensional Active Contour Models for Raman Spectrum Baseline Correction
• Title（参考訳）: ラマンスペクトルベースライン補正のための一次元アクティブ輪郭モデル
• Authors: M. Hamed Mozaffari and Li-Lin Tay
• Abstract要約: ラマン分光法は、化学物質の分析と未知物質の検出のための強力で非侵襲的な方法です。 背景雑音は実際のラマン信号を歪めることがある。 1次元空間におけるアクティブ輪郭モデルの修正版がラマンスペクトルのベースライン補正のために提案されている。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Raman spectroscopy is a powerful and non-invasive method for analysis of chemicals and detection of unknown substances. However, Raman signal is so weak that background noise can distort the actual Raman signal. These baseline shifts that exist in the Raman spectrum might deteriorate analytical results. In this paper, a modified version of active contour models in one-dimensional space has been proposed for the baseline correction of Raman spectra. Our technique, inspired by principles of physics and heuristic optimization methods, iteratively deforms an initialized curve toward the desired baseline. The performance of the proposed algorithm was evaluated and compared with similar techniques using simulated Raman spectra. The results showed that the 1D active contour model outperforms many iterative baseline correction methods. The proposed algorithm was successfully applied to experimental Raman spectral data, and the results indicate that the baseline of Raman spectra can be automatically subtracted.
• Abstract（参考訳）: ラマン分光法(英: Raman spectroscopy)は、化学分析と未知の物質の検出のための強力で非侵襲的な方法である。 しかし、ラマン信号は非常に弱いため、バックグラウンドノイズは実際のラマン信号を歪めることができる。 ラマンスペクトルに存在するこれらの基線シフトは分析結果を劣化させる可能性がある。 本稿では,ラマンスペクトルのベースライン補正のために,一次元空間におけるアクティブな輪郭モデルの修正版を提案する。 本手法は,物理原理とヒューリスティック最適化法に着想を得て,初期化曲線を所望のベースラインに向けて反復的に変形する。 提案アルゴリズムの性能評価と,シミュレーションしたラマンスペクトルを用いた類似手法との比較を行った。 その結果, 1次元活動輪郭モデルの方が多くの反復的ベースライン補正法より優れていた。 提案アルゴリズムは実験的なラマンスペクトルデータに適用され, 結果からラマンスペクトルの基底線を自動的に減算できることが示唆された。

関連論文リスト

• Inductive Gradient Adjustment For Spectral Bias In Implicit Neural Representations [17.832898905413877]
  Inlicit Neural Representations (INR)は様々なコンピュータタスクで成功している。 バニラ多層パーセプトロン(MLP)のスペクトルバイアスのため、既存の手法は高度なアーキテクチャを使った設計や、高精度なINRのためのトレーニング技術の再開発に重点を置いている。 本稿では,eNTKに基づく勾配変換行列の帰納的一般化により,スペクトルバイアスを意図的に改善する実用的な勾配調整法を提案する。
  論文  参考訳（メタデータ） (2024-10-17T06:51:10Z)
• Spectral Phase Transition and Optimal PCA in Block-Structured Spiked models [20.742571160909456]
  種々の学習シナリオにおける構造化雑音の研究のために最近導入された理論フレームワークである不均質スパイクド・ウィグナーモデルについて論じる。 我々の主な目的は、最適スペクトル法を探し出し、不均質でブロック構造を持つウィグナーモデルに有望な citeBBP (BBP) 相転移基準を拡張することである。
  論文  参考訳（メタデータ） (2024-03-06T13:23:55Z)
• A Theory of Topological Derivatives for Inverse Rendering of Geometry [87.49881303178061]
  我々は、位相微分を用いて離散的な位相変化を可能にする微分可能な曲面進化の理論的枠組みを導入する。 2次元の閉曲線と3次元の曲面を最適化して提案理論を検証し、現在の手法の限界について考察する。
  論文  参考訳（メタデータ） (2023-08-19T00:55:55Z)
• Solving Linear Inverse Problems Provably via Posterior Sampling with Latent Diffusion Models [98.95988351420334]
  本稿では,事前学習した潜在拡散モデルを利用した線形逆問題の解法を初めて提案する。 線形モデル設定において,証明可能なサンプル回復を示すアルゴリズムを理論的に解析する。
  論文  参考訳（メタデータ） (2023-07-02T17:21:30Z)
• An Optimization-based Deep Equilibrium Model for Hyperspectral Image Deconvolution with Convergence Guarantees [71.57324258813675]
  本稿では,ハイパースペクトル画像のデコンボリューション問題に対処する新しい手法を提案する。 新しい最適化問題を定式化し、学習可能な正規化器をニューラルネットワークの形で活用する。 導出した反復解法は、Deep Equilibriumフレームワーク内の不動点計算問題として表現される。
  論文  参考訳（メタデータ） (2023-06-10T08:25:16Z)
• Precise Asymptotics for Spectral Methods in Mixed Generalized Linear Models [31.58736590532443]
  混合一般化線形モデルにおいて、統計的に独立な2つの信号を推定する問題を考える。 我々の特徴付けは、ランダム行列、自由確率、および近似メッセージパッシングアルゴリズムの理論からのツールの混合を利用する。
  論文  参考訳（メタデータ） (2022-11-21T11:35:25Z)
• Spectral Decomposition Representation for Reinforcement Learning [100.0424588013549]
  本稿では, スペクトル分解表現法(SPEDER)を提案する。この手法は, データ収集ポリシーに急激な依存を生じさせることなく, ダイナミックスから状態-作用の抽象化を抽出する。 理論的解析により、オンライン設定とオフライン設定の両方において提案アルゴリズムのサンプル効率が確立される。 実験により、いくつかのベンチマークで現在の最先端アルゴリズムよりも優れた性能を示す。
  論文  参考訳（メタデータ） (2022-08-19T19:01:30Z)
• Regularization by Denoising Sub-sampled Newton Method for Spectral CT Multi-Material Decomposition [78.37855832568569]
  スペクトルctを用いたマルチマテリアル画像再構成のためのモデルベース最大後課題の解決法を提案する。 特に,プラグイン画像復号化機能に基づく正規化最適化問題について提案する。 スペクトルct材料分解の数値的および実験的結果を示す。
  論文  参考訳（メタデータ） (2021-03-25T15:20:10Z)
• Fourth-Order Nonlocal Tensor Decomposition Model for Spectral Computed Tomography [20.03088101097943]
  分光CT(Spectral Computed Tomography)は、光子計数検出器(PCD)を用いて、異なるエネルギービンからのスペクトル像を再構成することができる。 スペクトル分率の限られた光子と計数率により、再構成されたスペクトル画像は通常、ひどいノイズに悩まされる。 本稿では,スペクトルCT画像再構成(FONT-SIR)のための4階非局所テンソル分解モデルを提案する。
  論文  参考訳（メタデータ） (2020-10-27T15:14:36Z)
• Multi-View Spectral Clustering Tailored Tensor Low-Rank Representation [105.33409035876691]
  本稿では,テンソル低ランクモデルに基づくマルチビュースペクトルクラスタリング(MVSC)の問題について検討する。 MVSCに適合する新しい構造テンソル低ランクノルムを設計する。 提案手法は最先端の手法よりもかなり優れていることを示す。
  論文  参考訳（メタデータ） (2020-04-30T11:52:12Z)
• Two-dimensional Multi-fiber Spectrum Image Correction Based on Machine Learning Techniques [8.754036933225398]
  画像収差補正により空間変動PSFの問題を解決する新しい手法を提案する。 CCD画像収差が補正されると、畳み込みカーネルであるPSFを1つの空間不変PSFのみに近似することができる。
  論文  参考訳（メタデータ） (2020-02-16T15:39:09Z)

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。