論文の概要: Deep-XFCT: Deep learning 3D-mineral liberation analysis with micro X-ray
fluorescence and computed tomography
- arxiv url: http://arxiv.org/abs/2205.13102v1
- Date: Thu, 26 May 2022 01:35:58 GMT
- ステータス: 処理完了
- システム内更新日: 2022-05-28 06:43:58.843232
- Title: Deep-XFCT: Deep learning 3D-mineral liberation analysis with micro X-ray
fluorescence and computed tomography
- Title（参考訳）: Deep-XFCT:マイクロX線とCTによる深層学習3次元ミネラル解放解析
- Authors: Patrick Kin Man Tung, Amalia Yunita Halim, Huixin Wang, Anne Rich,
Christopher Marjo, Klaus Regenauer-Lieb
- Abstract要約: 深層学習を用いたマイクロCTとマイクロX線蛍光(micro-XRF)を組み合わせた新しい開発法を提案する。
微視的CTデータセット中の石英とフェルトスパーを区別する難しい課題を克服した結晶マグマ岩の半自動マルチモーダル解析に成功した。
我々は,micro-CTとmicro-XRFを組み合わせることで,現場および実験室で3Dミネラル解放解析を行う新たな機会が得られていると結論付けた。
- 参考スコア（独自算出の注目度）: 0.5480546613836199
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The rapid development of X-ray micro-computed tomography (micro-CT) opens new
opportunities for 3D analysis of particle and grain-size characterisation,
determination of particle densities and shape factors, estimation of mineral
associations and liberation and locking. Current practices in mineral
liberation analysis are based on 2D representations leading to systematic
errors in the extrapolation to volumetric properties. New quantitative methods
based on tomographic data are therefore urgently required for characterisation
of mineral deposits, mineral processing, characterisation of tailings, rock
typing, stratigraphic refinement, reservoir characterisation for applications
in the resource industry, environmental and material sciences. To date, no
simple non-destructive method exists for 3D mineral liberation analysis. We
present a new development based on combining micro-CT with micro-X-ray
fluorescence (micro-XRF) using deep learning. We demonstrate successful
semi-automated multi-modal analysis of a crystalline magmatic rock where the
new technique overcomes the difficult task of differentiating feldspar from
quartz in micro-CT data set. The approach is universal and can be extended to
any multi-modal and multi-instrument analysis for further refinement. We
conclude that the combination of micro-CT and micro-XRF already provides a new
opportunity for robust 3D mineral liberation analysis in both field and
laboratory applications.
- Abstract（参考訳）: x-ray micro-computed tomography (micro-ct) の急速な発展は、粒子および粒度特性の3次元解析、粒子密度と形状因子の決定、鉱物結合の推定、解放とロックの新たな機会を開く。
鉱物の解放分析における現在の実践は、体積特性への外挿の体系的誤りにつながる2次元表現に基づいている。
したがって, トモグラフィデータに基づく新しい定量的手法は, 鉱物鉱床のキャラクタリゼーション, ミネラルプロセッシング, テリングのキャラクタリゼーション, 岩石タイプ, 層序の精密化, 資源産業, 環境・物質科学への応用のための貯水池のキャラクタリゼーションに必要不可欠である。
これまでの3次元鉱物解放分析には単純な非破壊的手法は存在していない。
深層学習を用いたマイクロCTとマイクロX線蛍光(micro-XRF)を組み合わせた新しい開発法を提案する。
微視的CTデータセット中の石英とフェルトスパーを区別する難しい課題を克服した結晶マグマ岩の半自動マルチモーダル解析に成功した。
このアプローチは普遍的であり、さらなる洗練のために任意のマルチモーダルおよびマルチインストラクション分析に拡張することができる。
我々は,micro-CTとmicro-XRFを組み合わせることで,現場および実験室で3Dミネラル解放解析を行う新たな機会が得られると結論付けた。
関連論文リスト
- CryoFM: A Flow-based Foundation Model for Cryo-EM Densities [50.291974465864364]
生成モデルとして設計された基礎モデルであるCryoFMについて,高品質密度マップの分布を学習する。
フローマッチングに基づいて構築されたCryoFMは、生物分子密度マップの以前の分布を正確に捉えるために訓練されている。
論文 参考訳（メタデータ） (2024-10-11T08:53:58Z) - Three-Dimensional, Multimodal Synchrotron Data for Machine Learning Applications [0.0]
亜鉛をドープしたゼオライト13Xサンプルのユニークなマルチモーダルシンクロトロンデータセットを提示する。
高度なディープラーニングとデータ融合パイプラインを開発するために使用できる。
論文 参考訳（メタデータ） (2024-09-11T15:00:36Z) - Super-resolution of biomedical volumes with 2D supervision [84.5255884646906]
超解像のための仮設スライス拡散は、生物学的標本のすべての空間次元にわたるデータ生成分布の固有同値性を利用する。
我々は,高解像度2次元画像の高速取得を特徴とするSliceRの組織学的刺激(SRH)への応用に着目する。
論文 参考訳（メタデータ） (2024-04-15T02:41:55Z) - Weakly Supervised AI for Efficient Analysis of 3D Pathology Samples [6.381153836752796]
3次元組織画像処理のためのボリュームブロック解析(MAMBA)のためのModality-Agnostic Multiple Case Learningを提案する。
3Dブロックベースのアプローチでは、MAMBAは2Dの単一スライスによる予測よりも優れた受信特性曲線(AUC)の0.86と0.74の領域を達成している。
さらに, 組織体積が大きくなることで予後が向上し, サンプリングバイアスによるリスク予測のばらつきが軽減されることが示唆された。
論文 参考訳（メタデータ） (2023-07-27T14:48:02Z) - X-Ray2EM: Uncertainty-Aware Cross-Modality Image Reconstruction from
X-Ray to Electron Microscopy in Connectomics [55.6985304397137]
膜セグメンテーション品質を向上したEMライクな画像にX線画像を変換する不確実性を考慮した3D再構成モデルを提案する。
これは、よりシンプルで、より高速で、より正確なX線ベースのコネクトロミクスパイプラインを開発する可能性を示している。
論文 参考訳（メタデータ） (2023-03-02T00:52:41Z) - Exploring Supervised Machine Learning for Multi-Phase Identification and
Quantification from Powder X-Ray Diffraction Spectra [1.0660480034605242]
粉体X線回折分析は材料特性評価法の重要な構成要素である。
深層学習は、X線スペクトルから結晶学パラメータと特徴を予測するための主要な焦点となっている。
ここでは,多ラベル結晶相同定のための深層学習の代わりに,従来の教師付き学習アルゴリズムに関心がある。
論文 参考訳（メタデータ） (2022-11-16T00:36:13Z) - Tracking perovskite crystallization via deep learning-based feature
detection on 2D X-ray scattering data [137.47124933818066]
本稿では,より高速なR-CNN深層学習アーキテクチャに基づくX線回折画像の自動解析パイプラインを提案する。
有機-無機ペロブスカイト構造の結晶化をリアルタイムに追跡し, 2つの応用で検証した。
論文 参考訳（メタデータ） (2022-02-22T15:39:00Z) - Towards an Automatic Analysis of CHO-K1 Suspension Growth in
Microfluidic Single-cell Cultivation [63.94623495501023]
我々は、人間の力で抽象化されたニューラルネットワークをデータレベルで注入できる新しい機械学習アーキテクチャを提案する。
具体的には、自然データと合成データに基づいて生成モデルを同時に訓練し、細胞数などの対象変数を確実に推定できる共有表現を学習する。
論文 参考訳（メタデータ） (2020-10-20T08:36:51Z) - Probabilistic 3D surface reconstruction from sparse MRI information [58.14653650521129]
スパース2次元MR画像データとアレータティック不確実性予測から3次元表面再構成を同時に行うための新しい確率論的深層学習手法を提案する。
本手法は,3つの準直交MR画像スライスから,限られたトレーニングセットから大きな表面メッシュを再構成することができる。
論文 参考訳（メタデータ） (2020-10-05T14:18:52Z) - Non-invasive quantitative imaging of selective microstructure-sizes with
magnetic resonance [0.0]
本稿では,2つの測定値のみを必要とする手法と,その原理実証実験を用いて,選択的な微細構造サイズの画像を生成する手法について報告する。
我々は、一般的に用いられる崩壊率ではなく、磁化「デカイシフト」を利用するスピンエチョ配列のマイクロ構造サイズのフィルタを設計する。
論文 参考訳（メタデータ） (2020-06-03T04:15:38Z) - Precision limits of tissue microstructure characterization by Magnetic
Resonance Imaging [0.0]
生体組織における微細構造の特徴は、病理の初期段階を診断し、疾患のメカニズムを理解するための鍵の1つである。
量子情報理論から,水分子拡散のMRIにより,そのような詳細を得るための最終的な精度限界を導出する。
論文 参考訳（メタデータ） (2019-12-27T16:55:16Z)
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。