論文の概要: Hyperspectral unmixing for Raman spectroscopy via physics-constrained autoencoders

• arxiv url: http://arxiv.org/abs/2403.04526v1
• Date: Thu, 7 Mar 2024 14:27:08 GMT
• ステータス: 処理完了
• システム内更新日: 2024-03-08 13:57:09.508339
• Title: Hyperspectral unmixing for Raman spectroscopy via physics-constrained autoencoders
• Title（参考訳）: 物理制約オートエンコーダによるラマン分光のハイパースペクトルアンミックス
• Authors: Dimitar Georgiev, \'Alvaro Fern\'andez-Galiana, Simon Vilms Pedersen, Georgios Papadopoulos, Ruoxiao Xie, Molly M. Stevens, Mauricio Barahona
• Abstract要約: オートエンコーダニューラルネットワークを用いたハイパースペクトルアンミックスアルゴリズムを開発した。 その結果, アンミックス方式に比べて精度, 堅牢性, 効率性が向上した。
• 参考スコア（独自算出の注目度）: 0.565395466029518
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Raman spectroscopy is widely used across scientific domains to characterize the chemical composition of samples in a non-destructive, label-free manner. Many applications entail the unmixing of signals from mixtures of molecular species to identify the individual components present and their proportions, yet conventional methods for chemometrics often struggle with complex mixture scenarios encountered in practice. Here, we develop hyperspectral unmixing algorithms based on autoencoder neural networks, and we systematically validate them using both synthetic and experimental benchmark datasets created in-house. Our results demonstrate that unmixing autoencoders provide improved accuracy, robustness and efficiency compared to standard unmixing methods. We also showcase the applicability of autoencoders to complex biological settings by showing improved biochemical characterization of volumetric Raman imaging data from a monocytic cell.
• Abstract（参考訳）: ラマン分光法は、非破壊的でラベルのない方法でサンプルの化学組成を特徴づけるために、科学領域で広く用いられている。 多くの応用では、分子種の混合物からの信号を解き放つことで、個々の成分とその割合を同定するが、化学測定の従来の手法は、実際に遭遇する複雑な混合シナリオに苦しむことが多い。 本稿では,自動エンコーダニューラルネットワークに基づくハイパースペクトルアンミックスアルゴリズムを開発し,内部で作成した合成ベンチマークデータセットと実験ベンチマークデータセットの両方を用いて体系的に検証する。 その結果, アンミックス方式に比べて精度, 堅牢性, 効率性が向上した。 また, 単細胞細胞からの体積ラマンイメージングデータの生化学的特性の改善を図り, 複雑な生物学的環境へのオートエンコーダの適用性を示す。

関連論文リスト

• Artificial Intelligence for reverse engineering: application to detergents using Raman spectroscopy [0.0]
  デジタルツールや分析技術の開発は、潜在的に有毒な分子の同定を可能にする。 各種デジタルツール(スペクトルデータベース,混合データベース,実験設計,ケモメトリックス/機械学習アルゴリズム)と異なるサンプル作成方法の組み合わせにより,混合成分の同定が可能となった。 この戦略は、製品や原料の制御、品質管理の目的でも適用できる。
  論文  参考訳（メタデータ） (2023-10-31T08:16:22Z)
• Robust retrieval of material chemical states in X-ray microspectroscopy [10.621361408885765]
  本稿では,X線顕微鏡のための新しいデータ定式化モデルを提案する。 我々のフレームワークは、複雑で不均一なサンプルの化学状態を、挑戦的な条件下であっても正確に識別し、特徴付けることができる。
  論文  参考訳（メタデータ） (2023-08-08T12:17:02Z)
• Fast and Functional Structured Data Generators Rooted in Out-of-Equilibrium Physics [62.997667081978825]
  エネルギーモデルを用いて、構造化データセットで高品質なラベル特化データを生成するという課題に対処する。 伝統的な訓練方法は、マルコフ連鎖モンテカルロ混合による困難に遭遇する。 非平衡効果を利用した新しいトレーニングアルゴリズムを用いる。
  論文  参考訳（メタデータ） (2023-07-13T15:08:44Z)
• 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)
• ChemVise: Maximizing Out-of-Distribution Chemical Detection with the Novel Application of Zero-Shot Learning [60.02503434201552]
  本研究は,簡単な学習セットから複雑な露光の学習近似を提案する。 合成センサ応答に対するこのアプローチは, 分布外の化学分析物の検出を驚くほど改善することを示した。
  論文  参考訳（メタデータ） (2023-02-09T20:19:57Z)
• Gaussian Process Regression for Absorption Spectra Analysis of Molecular Dimers [68.8204255655161]
  本稿では、ガウス過程回帰(GPR)から数値計算のパラメータを選択する機械学習技術に基づくアプローチについて議論する。 このアプローチは最適パラメータ集合に素早く収束するだけでなく、完全なパラメータ空間に関する情報を提供する。 実際、GPRは量子化学法を用いてこれらのパラメータの直接計算と一致した信頼性の高い結果を与える。
  論文  参考訳（メタデータ） (2021-12-14T17:46:45Z)
• A deep learning driven pseudospectral PCE based FFT homogenization algorithm for complex microstructures [68.8204255655161]
  提案手法は,従来の手法よりも高速に評価できる一方で,興味の中心モーメントを予測できることを示す。 提案手法は,従来の手法よりも高速に評価できると同時に,興味の中心モーメントを予測できることを示す。
  論文  参考訳（メタデータ） (2021-10-26T07:02:14Z)
• Stable training of autoencoders for hyperspectral unmixing [2.099922236065961]
  アンミキシングのためのオートエンコーダのトレーニングは重み付け初期化に大きく依存していることを示す。 いくつかの重みのセットは縮退または低パフォーマンスソリューションをもたらし、期待されるパフォーマンスに負のバイアスをもたらす。 本研究では, オートエンコーダの安定性, 初期重みに対する再構成誤差の依存性の検証, オートエンコーダパラメータの最適化に要する条件の探索, 実験結果について述べる。
  論文  参考訳（メタデータ） (2021-09-28T14:07:24Z)
• 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)
• A probabilistic deep learning approach to automate the interpretation of multi-phase diffraction spectra [4.240899165468488]
  シミュレーション回折スペクトルで訓練されたアンサンブル畳み込みニューラルネットワークを開発し、複素多相混合を同定する。 シミュレーションおよび実験的に測定された回折スペクトルをベンチマークし, これまでに報告した手法よりも精度が優れていることを示す。
  論文  参考訳（メタデータ） (2021-03-30T20:13:01Z)

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。