論文の概要: Classification of FIB/SEM-tomography images for highly porous multiphase
materials using random forest classifiers
- arxiv url: http://arxiv.org/abs/2207.14114v1
- Date: Thu, 28 Jul 2022 14:28:30 GMT
- ステータス: 処理完了
- システム内更新日: 2022-07-29 12:56:35.325773
- Title: Classification of FIB/SEM-tomography images for highly porous multiphase
materials using random forest classifiers
- Title(参考訳): ランダム森林分類器を用いた多孔質多相材料のFIB/SEMトモグラフィー画像の分類
- Authors: Markus Osenberg, Andr\'e Hilger, Matthias Neumann, Amalia Wagner,
Nicole Bohn, Joachim R. Binder, Volker Schmidt, John Banhart, Ingo Manke
- Abstract要約: FIB/SEMトモグラフィーにより得られた3次元画像データの新たな分類法を提案する。
我々は2つの異なる画像信号、すなわち、傾斜したSE2チャンバー検出器の信号とインレンズ検出器信号を使い、両方の信号を組み合わせてランダムな森を訓練する。
このアプローチは、FIB/SEMトモグラフィーを用いた将来の研究の指針となる可能性がある。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: FIB/SEM tomography represents an indispensable tool for the characterization
of three-dimensional nanostructures in battery research and many other fields.
However, contrast and 3D classification/reconstruction problems occur in many
cases, which strongly limits the applicability of the technique especially on
porous materials, like those used for electrode materials in batteries or fuel
cells. Distinguishing the different components like active Li storage particles
and carbon/binder materials is difficult and often prevents a reliable
quantitative analysis of image data, or may even lead to wrong conclusions
about structure-property relationships. In this contribution, we present a
novel approach for data classification in three-dimensional image data obtained
by FIB/SEM tomography and its applications to NMC battery electrode materials.
We use two different image signals, namely the signal of the angled SE2 chamber
detector and the Inlens detector signal, combine both signals and train a
random forest, i.e. a particular machine learning algorithm. We demonstrate
that this approach can overcome current limitations of existing techniques
suitable for multi-phase measurements and that it allows for quantitative data
reconstruction even where current state-of the art techniques fail, or demand
for large training sets. This approach may yield as guideline for future
research using FIB/SEM tomography.
- Abstract(参考訳): FIB/SEMトモグラフィーは、電池研究やその他の多くの分野における三次元ナノ構造のキャラクタリゼーションに欠かせないツールである。
しかし、多くのケースではコントラストと3D分類/再構成の問題が発生しており、電池や燃料電池の電極材料に使用されるような多孔質材料に対する技術の適用性を強く制限している。
活性Li貯蔵粒子や炭素/バインダー材料などの異なる成分の識別は困難であり、画像データの信頼性の高い定量分析を妨げたり、構造と不適切な関係に関する誤った結論に至ることもある。
本研究では,FIB/SEMトモグラフィーにより得られた3次元画像データの新しい分類法とそのNMC電池電極材料への応用について述べる。
2つの異なる画像信号、すなわち、アングル化されたse2チャンバー検出器の信号と、インレンズ検出器信号を組み合わせてランダムフォレスト、すなわち特定の機械学習アルゴリズムを訓練する。
本手法は,多相計測に適した既存の手法の限界を克服し,現在の技術が失敗しても定量的なデータ再構成を可能にすること,大規模トレーニングセットの要求を克服できることを実証する。
FIB/SEMトモグラフィーを用いた今後の研究の指針となる。
関連論文リスト
- Deep learning assisted high resolution microscopy image processing for phase segmentation in functional composite materials [8.01747783558987]
本研究は、トレーニングされたU-Netセグメンテーションモデルを用いて、生高分解能電子顕微鏡(TEM)画像から成分と位相セグメンテーションを検出する新しいワークフローを提案する。
開発したモデルでは、成分の検出と位相セグメンテーションの迅速化が可能であり、広範囲なTEM画像の精査に伴う時間的・認知的要求を低減できる。
論文 参考訳(メタデータ) (2024-10-02T18:22:04Z) - Machine Learning for Improved Current Density Reconstruction from 2D Vector Magnetic Images [0.8572470196825325]
ベクトル磁場の2次元画像から電流密度再構成のための深部畳み込みニューラルネットワークについて述べる。
この機械学習技術は、低いSNRデータに対する品質逆転を可能とし、データ収集時間を約400倍に短縮する。
論文 参考訳(メタデータ) (2024-07-18T05:22:39Z) - End-to-End Model-based Deep Learning for Dual-Energy Computed Tomography Material Decomposition [53.14236375171593]
本稿では,定量化のためのエンド・ツー・エンド材料分解(E2E-DEcomp)と呼ばれる深層学習手法を提案する。
AAPMスペクトルCTデータセットにおける直接E2E-DEcomp法の有効性を示す。
論文 参考訳(メタデータ) (2024-06-01T16:20:59Z) - Combining Variational Autoencoders and Physical Bias for Improved
Microscopy Data Analysis [0.0]
本稿では,データ内の変数の因子を分散させる物理拡張機械学習手法を提案する。
本手法はNiO-LSMO, BiFeO3, グラフェンなど様々な材料に適用される。
その結果,大量の画像データから有意な情報を抽出する手法の有効性が示された。
論文 参考訳(メタデータ) (2023-02-08T17:35:38Z) - OADAT: Experimental and Synthetic Clinical Optoacoustic Data for
Standardized Image Processing [62.993663757843464]
オプトアコースティック(OA)イメージングは、ナノ秒レーザーパルスによる生体組織の励起と、光吸収による熱弾性膨張によって発生する超音波の検出に基づいている。
OAイメージングは、深部組織における豊富な光学コントラストと高分解能の強力な組み合わせを特徴としている。
臨床環境でのOAの幅広い応用を促進するために、異なるタイプの実験的なセットアップと関連する処理手法で生成される標準化データセットは存在しない。
論文 参考訳(メタデータ) (2022-06-17T08:11:26Z) - Incorporating Texture Information into Dimensionality Reduction for
High-Dimensional Images [65.74185962364211]
距離ベース次元削減手法に周辺情報を組み込む手法を提案する。
画像パッチを比較する異なる手法の分類に基づいて,様々なアプローチを探索する。
論文 参考訳(メタデータ) (2022-02-18T13:17:43Z) - Super-resolution of multiphase materials by combining complementary 2D
and 3D image data using generative adversarial networks [0.0]
本稿では,一対の異なる相補的画像技術からの情報を組み合わせる手法を提案する。
具体的には,超解像,スタイル転送,次元展開を実現するために,深層畳み込み生成対向ネットワークを用いる。
提案手法の精度に自信を持ち,リチウムイオン電池電極の実際のデータ対に適用することで,そのパワーを実証する。
論文 参考訳(メタデータ) (2021-10-21T17:07:57Z) - 3D Reconstruction of Curvilinear Structures with Stereo Matching
DeepConvolutional Neural Networks [52.710012864395246]
本稿では,立体対における曲線構造の検出とマッチングのための完全自動パイプラインを提案する。
主に、TEM画像のステレオ対から転位を3次元再構成することに焦点を当てる。
論文 参考訳(メタデータ) (2021-10-14T23:05:47Z) - Fed-Sim: Federated Simulation for Medical Imaging [131.56325440976207]
本稿では、2つの学習可能なニューラルモジュールからなる物理駆動型生成手法を提案する。
データ合成フレームワークは、複数のデータセットの下流セグメンテーション性能を改善する。
論文 参考訳(メタデータ) (2020-09-01T19:17:46Z) - Hyperspectral-Multispectral Image Fusion with Weighted LASSO [68.04032419397677]
本稿では,高スペクトル像と多スペクトル像を融合させて高画質な高スペクトル出力を実現する手法を提案する。
提案したスパース融合と再構成は,既存の公開画像の手法と比較して,定量的に優れた結果が得られることを示す。
論文 参考訳(メタデータ) (2020-03-15T23:07:56Z)
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。