論文の概要: Segmentation of 3D pore space from CT images using curvilinear skeleton: application to numerical simulation of microbial decomposition

• arxiv url: http://arxiv.org/abs/2309.01611v1
• Date: Mon, 4 Sep 2023 13:51:40 GMT
• ステータス: 処理完了
• システム内更新日: 2023-09-06 18:34:48.223563
• Title: Segmentation of 3D pore space from CT images using curvilinear skeleton: application to numerical simulation of microbial decomposition
• Title（参考訳）: カービリナー骨格を用いたCT画像からの3次元細孔空間の分離:微生物分解の数値シミュレーションへの応用
• Authors: Olivier Monga and Zakaria Belghali and Mouad Klai and Lucie Druoton and Dominique Michelucci and Valerie Pot
• Abstract要約: グレーレベル3次元CTスキャナ画像から、単純な画像処理ツールを用いて、孔空間のボクセルベースの記述(最大数億のボクセル)を抽出することができる。 いくつかの最近の研究は, 排水, 拡散, 微生物分解の数値シミュレーションのために, 細孔空間のピースワイズ近似を定義するための基本解析体積プリミティブを提案する。 そこで本研究では,カービリナースケルトンから計算したボクセル(領域)の幾何学的に関連付けられた連結部分集合を用いて,孔間空間を記述する別の方法について検討する。
• 参考スコア（独自算出の注目度）: 1.0485739694839669
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Recent advances in 3D X-ray Computed Tomographic (CT) sensors have stimulated research efforts to unveil the extremely complex micro-scale processes that control the activity of soil microorganisms. Voxel-based description (up to hundreds millions voxels) of the pore space can be extracted, from grey level 3D CT scanner images, by means of simple image processing tools. Classical methods for numerical simulation of biological dynamics using mesh of voxels, such as Lattice Boltzmann Model (LBM), are too much time consuming. Thus, the use of more compact and reliable geometrical representations of pore space can drastically decrease the computational cost of the simulations. Several recent works propose basic analytic volume primitives (e.g. spheres, generalized cylinders, ellipsoids) to define a piece-wise approximation of pore space for numerical simulation of draining, diffusion and microbial decomposition. Such approaches work well but the drawback is that it generates approximation errors. In the present work, we study another alternative where pore space is described by means of geometrically relevant connected subsets of voxels (regions) computed from the curvilinear skeleton. Indeed, many works use the curvilinear skeleton (3D medial axis) for analyzing and partitioning 3D shapes within various domains (medicine, material sciences, petroleum engineering, etc.) but only a few ones in soil sciences. Within the context of soil sciences, most studies dealing with 3D medial axis focus on the determination of pore throats. Here, we segment pore space using curvilinear skeleton in order to achieve numerical simulation of microbial decomposition (including diffusion processes). We validate simulation outputs by comparison with other methods using different pore space geometrical representations (balls, voxels).
• Abstract（参考訳）: 3次元X線CTセンサーの最近の進歩は、土壌微生物の活性を制御する非常に複雑なマイクロスケールプロセスを明らかにする研究を刺激している。 グレーレベル3次元CTスキャナ画像から、単純な画像処理ツールを用いて、孔空間のボクセルベースの記述(最大数億のボクセル)を抽出することができる。 格子ボルツマンモデル (Lattice Boltzmann Model, LBM) のようなボクセルのメッシュを用いた生物力学の数値シミュレーションの古典的手法は時間がかかりすぎる。 したがって、細孔空間のよりコンパクトで信頼性の高い幾何学表現を使うことは、シミュレーションの計算コストを劇的に削減することができる。 いくつかの最近の研究は、排水、拡散、微生物分解の数値シミュレーションのための孔空間のピースワイズ近似を定義するための基本的な解析ボリュームプリミティブ(球体、一般化シリンダー、楕円体など)を提案する。 このようなアプローチはうまく機能するが、欠点は近似誤差を生成することである。 本研究は, カービリナースケルトンから計算したボクセル(領域)の幾何学的関連部分集合を用いて孔間空間を記述する別の方法について検討する。 実際、多くの研究は、様々な領域(医学、材料科学、石油工学など)の3D形状の分析と分割にカービリナースケルトン(3Dメディカル軸)を使用しているが、土壌科学ではごくわずかである。 土壌科学の文脈では、3次元の内側軸を扱うほとんどの研究は穴の喉の決定に焦点を当てている。 ここでは, 微生物の分解(拡散過程を含む)を数値シミュレーションするために, 曲線骨格を用いて細孔空間を分割する。 我々は,ボール,ボクセルなどの異なる空間幾何学的表現を用いて,他の手法との比較によりシミュレーション出力を検証する。

関連論文リスト

• μ-Net: A Deep Learning-Based Architecture for μ-CT Segmentation [2.012378666405002]
  X線計算マイクロトモグラフィー(mu-CT)は、医学および生物学的サンプルの内部解剖の高解像度な3D画像を生成する非破壊的手法である。 3D画像から関連情報を抽出するには、興味のある領域のセマンティックセグメンテーションが必要である。 本稿では、畳み込みニューラルネットワーク(CNN)を用いて、Carassius auratusの心臓の完全な形態を自動分割する新しいフレームワークを提案する。
  論文  参考訳（メタデータ） (2024-06-24T15:29:08Z)
• A Voxel-based Approach for Simulating Microbial Decomposition in Soil: Comparison with LBM and Improvement of Morphological Models [0.0]
  本研究では,有機物の微生物分解をシミュレーションするための新しい計算手法を提案する。 この方法は、変換および拡散過程をシミュレートするために、連結ボクセルの値付きグラフを用いる。 得られたモデルは、多孔質媒体の拡散変換過程をシミュレートするために適応することができる。
  論文  参考訳（メタデータ） (2024-06-06T15:35:25Z)
• Topological reconstruction of sampled surfaces via Morse theory [4.166095721909433]
  本稿では,点サンプルの注意深いトポロジカルスタディに基づく再構成アルゴリズムを提案する。 三角形や局所暗黙の方程式は中間段階として使われない。 このアルゴリズムは、任意の次元の周囲空間に埋め込まれた境界の有無にかかわらず滑らかな曲面に適用することができる。
  論文  参考訳（メタデータ） (2024-05-27T15:14:47Z)
• Geometry-Informed Neural Operator for Large-Scale 3D PDEs [76.06115572844882]
  大規模偏微分方程式の解演算子を学習するために,幾何インフォームド・ニューラル演算子(GINO)を提案する。 我々はGINOを訓練し、わずか500点のデータポイントで車両表面の圧力を予測することに成功した。
  論文  参考訳（メタデータ） (2023-09-01T16:59:21Z)
• 3D Molecular Geometry Analysis with 2D Graphs [79.47097907673877]
  分子の基底状態3次元ジオメトリは多くの分子解析タスクに必須である。 現代の量子力学的手法は正確な3次元幾何学を計算できるが、計算は禁じられている。 分子グラフから3次元幾何学を予測するための新しいディープラーニングフレームワークを提案する。
  論文  参考訳（メタデータ） (2023-05-01T19:00:46Z)
• Deep learning of multi-resolution X-Ray micro-CT images for multi-scale modelling [0.0]
  本研究では3次元拡張深部超解像(EDSR)畳み込みニューラルネットワークを開発し,大規模空間スケールで高分解能データを生成する。 我々は,テキスト解析,セグメンテーション動作,多相流シミュレーション(PNM)を用いてネットワークを検証した。 EDSR生成モデルは、不均一性の存在下での実験挙動を予測するための基礎LRモデルよりも精度が高い。
  論文  参考訳（メタデータ） (2021-11-01T21:49:22Z)
• Molecule3D: A Benchmark for Predicting 3D Geometries from Molecular Graphs [79.06686274377009]
  我々は、約400万分子の正確な基底状態のジオメトリーを持つデータセットを含むMolecule3Dと呼ばれるベンチマークを開発する。 我々は3次元空間における原子と原子の対距離を予測する2つのベースライン法を実装した。 本手法は予測精度に匹敵する精度を達成できるが,計算コストははるかに小さい。
  論文  参考訳（メタデータ） (2021-09-30T22:09:28Z)
• Volume Rendering of Neural Implicit Surfaces [57.802056954935495]
  本稿では,ニューラルボリュームレンダリングにおける幾何学的表現と再構成を改善することを目的とする。 体積密度を幾何学の関数としてモデル化することで実現する。 この新たな密度表現を挑戦的なシーンマルチビューデータセットに適用することで、高品質な幾何学的再構成を実現した。
  論文  参考訳（メタデータ） (2021-06-22T20:23:16Z)
• GeoMol: Torsional Geometric Generation of Molecular 3D Conformer Ensembles [60.12186997181117]
  分子グラフからの分子の3Dコンホメーラーアンサンブルの予測は、化学情報学と薬物発見の領域において重要な役割を担っている。 既存の生成モデルは、重要な分子幾何学的要素のモデリングの欠如を含むいくつかの欠点がある。 エンド・ツー・エンド、非自己回帰、SE(3)不変の機械学習手法であるGeoMolを提案し、3Dコンバータを生成する。
  論文  参考訳（メタデータ） (2021-06-08T14:17:59Z)
• Multi-Scale Neural Networks for to Fluid Flow in 3D Porous Media [0.0]
  我々は多孔質メディアシミュレーションデータから学習できる汎用的なマルチスケールディープラーニングモデルを開発した。 単一のグラフィックス処理ユニットで約1秒で大きな画像の評価が可能です。
  論文  参考訳（メタデータ） (2021-02-10T23:38:36Z)
• Disentangling and Unifying Graph Convolutions for Skeleton-Based Action Recognition [79.33539539956186]
  本稿では,マルチスケールグラフ畳み込みと,G3Dという空間時間グラフ畳み込み演算子を結合する簡単な方法を提案する。 これらの提案を結合することにより,MS-G3Dという強力な特徴抽出器を開発し,そのモデルが3つの大規模データセット上で従来の最先端手法より優れていることを示す。
  論文  参考訳（メタデータ） (2020-03-31T11:28:25Z)

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。