論文の概要: Recursive Detection and Analysis of Nanoparticles in Scanning Electron Microscopy Images

• arxiv url: http://arxiv.org/abs/2308.08732v1
• Date: Thu, 17 Aug 2023 02:08:05 GMT
• ステータス: 処理完了
• システム内更新日: 2023-08-21 18:27:47.678677
• Title: Recursive Detection and Analysis of Nanoparticles in Scanning Electron Microscopy Images
• Title（参考訳）: 走査型電子顕微鏡画像におけるナノ粒子の繰り返し検出と解析
• Authors: Aidan S. Wright, Nathaniel P. Youmans, Enrique F. Valderrama Araya (Oral Roberts University)
• Abstract要約: 本研究では,走査型電子顕微鏡(SEM)画像中のナノ粒子の精密検出と包括的解析を目的とした計算フレームワークを提案する。 このフレームワークはPythonの堅牢な画像処理機能を採用しており、特にOpenCV、SciPy、Scikit-Imageといったライブラリを利用している。 SEMナノ粒子のデータセットから得られた5つの異なるテスト画像から粒子を検出する精度は97%だ。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: In this study, we present a computational framework tailored for the precise detection and comprehensive analysis of nanoparticles within scanning electron microscopy (SEM) images. The primary objective of this framework revolves around the accurate localization of nanoparticle coordinates, accompanied by secondary objectives encompassing the extraction of pertinent morphological attributes including area, orientation, brightness, and length. Constructed leveraging the robust image processing capabilities of Python, particularly harnessing libraries such as OpenCV, SciPy, and Scikit-Image, the framework employs an amalgamation of techniques, including thresholding, dilating, and eroding, to enhance the fidelity of image processing outcomes. The ensuing nanoparticle data is seamlessly integrated into the RStudio environment to facilitate meticulous post-processing analysis. This encompasses a comprehensive evaluation of model accuracy, discernment of feature distribution patterns, and the identification of intricate particle arrangements. The finalized framework exhibits high nanoparticle identification within the primary sample image and boasts 97\% accuracy in detecting particles across five distinct test images drawn from a SEM nanoparticle dataset. Furthermore, the framework demonstrates the capability to discern nanoparticles of faint intensity, eluding manual labeling within the control group.
• Abstract（参考訳）: 本研究では,走査型電子顕微鏡(SEM)画像中のナノ粒子の精密検出と包括的解析に適した計算フレームワークを提案する。 本枠組みの主目的は, ナノ粒子座標の正確な位置決めを中心に展開し, 面積, 配向, 明るさ, 長さなど, 関連する形態的特性の抽出を含む二次的目的を伴う。 pythonの堅牢な画像処理機能、特にopencv、scipy、scikit-imageなどのライブラリを活用して構築されたこのフレームワークは、画像処理結果の忠実性を高めるために、しきい値、拡張、エローディングなどのテクニックを融合させている。 続くナノ粒子データはrstudio環境にシームレスに統合され、詳細な後処理分析が容易になる。 これには、モデル精度の総合評価、特徴分布パターンの識別、複雑な粒子配置の同定が含まれる。 ファイナライズされたフレームワークは、一次サンプル画像内で高いナノ粒子識別を示し、SEMナノ粒子データセットから引き出された5つの異なるテスト画像間で粒子を検出する精度は97%である。 さらに、このフレームワークは、制御グループ内で手動ラベリングを溶かし、かすかな強度のナノ粒子を識別する能力を示す。

関連論文リスト

• Deep-learning-based decomposition of overlapping-sparse images: application at the vertex of neutrino interactions [2.5521723486759407]
  本稿では,深層学習の力を利用して,多次元重なり合うスパース画像中の個々の物体を正確に抽出する手法を提案する。 これは、イメージング検出器から得られるオーバーレイド素粒子を分解した高エネルギー物理学の直接的な応用である。
  論文  参考訳（メタデータ） (2023-10-30T16:12:25Z)
• Nano1D: An accurate Computer Vision software for analysis and segmentation of low-dimensional nanostructures [0.0]
  Nano1Dという名前のこのモデルは、事前処理、セグメンテーション、重なり合う物体と幾何学的測定の4つのステップを持っている。 長さや平均直径などの幾何学的特徴を分割し分析することに成功した。 モデルの主な強みは、重なり合うオブジェクトを99%以上の精度で分割して解析できることである。
  論文  参考訳（メタデータ） (2023-06-27T09:18:40Z)
• Generalization Across Experimental Parameters in Machine Learning Analysis of High Resolution Transmission Electron Microscopy Datasets [0.0]
  我々は、ナノ粒子の高分解能TEM画像データセットを実験的に収集したニューラルネットワークを訓練し、検証する。 ニューラルネットワークは顕微鏡パラメータ間では堅牢ではなく、特定のサンプルパラメータ間で一般化されていることが分かっています。
  論文  参考訳（メタデータ） (2023-06-20T19:13:49Z)
• Optimizations of Autoencoders for Analysis and Classification of Microscopic In Situ Hybridization Images [68.8204255655161]
  同様のレベルの遺伝子発現を持つ顕微鏡画像の領域を検出・分類するためのディープラーニングフレームワークを提案する。 分析するデータには教師なし学習モデルが必要です。
  論文  参考訳（メタデータ） (2023-04-19T13:45:28Z)
• Interpretable Joint Event-Particle Reconstruction for Neutrino Physics at NOvA with Sparse CNNs and Transformers [124.29621071934693]
  本稿では,畳み込みによって実現される空間学習と,注意によって実現される文脈学習を組み合わせた新しいニューラルネットワークアーキテクチャを提案する。 TransformerCVNは各事象を同時に分類し、各粒子のアイデンティティを再構築する。 このアーキテクチャにより、ネットワークの予測に関する洞察を提供する、いくつかの解釈可能性の研究を行うことができる。
  論文  参考訳（メタデータ） (2023-03-10T20:36:23Z)
• Toward deep-learning-assisted spectrally-resolved imaging of magnetic noise [52.77024349608834]
  本研究では,基礎となるゆらぎ磁場のスペクトル密度を効率的に再構成するディープニューラルネットワークを実装した。 これらの結果は、色中心に基づくナノスケールセンシングとイメージングに機械学習手法を適用する機会を生み出す。
  論文  参考訳（メタデータ） (2022-08-01T19:18:26Z)
• Automated Classification of Nanoparticles with Various Ultrastructures and Sizes [0.6927055673104933]
  走査型電子顕微鏡画像の小さなデータセットから学習したナノ粒子計測と分類のためのディープラーニングに基づく手法を提案する。 本手法は, 局所化, ナノ粒子の検出, 分類, 微細構造の分類の2段階からなる。 画像処理や様々な画像生成ニューラルネットワークを用いて合成画像を生成することで、両方の段階で結果を改善することができることを示す。
  論文  参考訳（メタデータ） (2022-07-28T11:31:43Z)
• The Preliminary Results on Analysis of TAIGA-IACT Images Using Convolutional Neural Networks [68.8204255655161]
  本研究の目的は,AIGA-IACTに設定された課題を解決するための機械学習アプリケーションの可能性を検討することである。 The method of Convolutional Neural Networks (CNN) was applied to process and analysis Monte-Carlo eventssimulated with CORSIKA。
  論文  参考訳（メタデータ） (2021-12-19T15:17:20Z)
• 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)
• Improving the Segmentation of Scanning Probe Microscope Images using Convolutional Neural Networks [0.9236074230806579]
  有機溶媒からの沈着によりシリコン表面に生成した金ナノ粒子の2次元集合体像の分画プロトコルを開発した。 溶媒の蒸発は粒子の極端に平衡な自己組織化を駆動し、様々なナノパターンや微細構造パターンを生み出す。 U-Net畳み込みニューラルネットワークを用いたセグメンテーション戦略が従来の自動アプローチより優れていることを示す。
  論文  参考訳（メタデータ） (2020-08-27T20:49:59Z)
• Deep Photon Mapping [59.41146655216394]
  本稿では,粒子ベースのレンダリングのための新しい深層学習手法を提案する。 我々は、カーネル関数を予測するために新しいディープニューラルネットワークをトレーニングし、シェーディングポイントでの光子寄与を集約する。 我々のネットワークは、個々の光子を光子ごとの特徴にエンコードし、シェーディングポイントの近傍でそれらを集約し、光子ごとの局所的特徴と光子ごとの局所的特徴からカーネル関数を推論する。
  論文  参考訳（メタデータ） (2020-04-25T06:59:10Z)

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。