論文の概要: En masse scanning and automated surfacing of small objects using Micro-CT
- arxiv url: http://arxiv.org/abs/2410.07385v1
- Date: Wed, 9 Oct 2024 19:05:22 GMT
- ステータス: 処理完了
- システム内更新日: 2024-10-31 20:47:00.241348
- Title: En masse scanning and automated surfacing of small objects using Micro-CT
- Title（参考訳）: Micro-CTを用いた微小物体の質量走査と自動表面観察
- Authors: Riley C. W. O'Neill, Katrina Yezzi Woodley, Jeff Calder, Peter J. Olver,
- Abstract要約: そこで本研究では,マイクロCTスキャンを多用する新しいプロトコルを提案する。
10個のマイクロCTスキャンで1,112個の動物の骨片をスキャンし、個別のPLYファイルに処理した。
- 参考スコア（独自算出の注目度）: 1.8749305679160366
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Modern archaeological methods increasingly utilize 3D virtual representations of objects, computationally intensive analyses, high resolution scanning, large datasets, and machine learning. With higher resolution scans, challenges surrounding computational power, memory, and file storage quickly arise. Processing and analyzing high resolution scans often requires memory-intensive workflows, which are infeasible for most computers and increasingly necessitate the use of super-computers or innovative methods for processing on standard computers. Here we introduce a novel protocol for en-masse micro-CT scanning of small objects with a {\em mostly-automated} processing workflow that functions in memory-limited settings. We scanned 1,112 animal bone fragments using just 10 micro-CT scans, which were post-processed into individual PLY files. Notably, our methods can be applied to any object (with discernible density from the packaging material) making this method applicable to a variety of inquiries and fields including paleontology, geology, electrical engineering, and materials science. Further, our methods may immediately be adopted by scanning institutes to pool customer orders together and offer more affordable scanning. The work presented herein is part of a larger program facilitated by the international and multi-disciplinary research consortium known as Anthropological and Mathematical Analysis of Archaeological and Zooarchaeological Evidence (AMAAZE). AMAAZE unites experts in anthropology, mathematics, and computer science to develop new methods for mass-scale virtual archaeological research. Overall, our new scanning method and processing workflows lay the groundwork and set the standard for future mass-scale, high resolution scanning studies.
- Abstract（参考訳）: 現代の考古学的手法は、オブジェクトの3D仮想表現、計算集約分析、高解像度スキャン、大規模なデータセット、機械学習をますます活用している。
より高解像度のスキャンでは、計算能力、メモリ、ファイルストレージを取り巻く課題がすぐに生じる。
高解像度スキャンの処理と解析には、ほとんどのコンピュータでは実現不可能なメモリ集約型ワークフローを必要とすることが多く、スーパーコンピュータや標準コンピュータでの処理に革新的な方法がますます必要となる。
本稿では、メモリ制限設定で機能する処理ワークフローをほとんど自動化した小さなオブジェクトのマイクロCTスキャンを実現するための新しいプロトコルを提案する。
10個のマイクロCTスキャンで1,112個の動物の骨片をスキャンし、個別のPLYファイルに処理した。
特に,本手法は, 古生物学, 地質学, 電気工学, 材料科学など, さまざまな分野に応用することができる。
さらに、当社の方法は、顧客注文をまとめ、より手頃なスキャンを提供するためのスキャン機関によって直ちに採用される可能性がある。
この研究は、考古学・動物考古学エビデンス(AMAAZE)として知られる国際・多分野の研究コンソーシアムによって促進されたより大きなプログラムの一部である。
AMAAZEは人類学、数学、計算機科学の専門家をまとめて、大規模な仮想考古学研究のための新しい手法を開発した。
全体として、我々の新しい走査法と処理ワークフローは、基礎を築き、将来の大規模・高解像度走査研究の標準を定めている。
関連論文リスト
- Deep Learning and Machine Learning -- Object Detection and Semantic Segmentation: From Theory to Applications [17.571124565519263]
本は、機械学習とディープラーニングにおける最先端の進歩をカバーしている。
畳み込みニューラルネットワーク(CNN)、YOLOアーキテクチャ、DeTRのようなトランスフォーマーベースのアプローチに重点を置いている。
また、人工知能(AI)技術と拡張オブジェクト検出のための大規模言語モデルの統合も検討している。
論文 参考訳（メタデータ） (2024-10-21T02:10:49Z) - 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) - Ontology Embedding: A Survey of Methods, Applications and Resources [54.3453925775069]
オントロジはドメイン知識とメタデータを表現するために広く使われている。
1つの簡単な解決策は、統計分析と機械学習を統合することである。
埋め込みに関する多くの論文が出版されているが、体系的なレビューの欠如により、研究者はこの分野の包括的な理解を妨げている。
論文 参考訳（メタデータ） (2024-06-16T14:49:19Z) - SCoDA: Domain Adaptive Shape Completion for Real Scans [78.92028595499245]
点雲からの3D形状の完成は、特に現実世界のオブジェクトのスキャンによる難しい作業である。
合成データから実スキャン形状完了の領域適応のための新しいタスクであるSCoDAを提案する。
本稿では,知識伝達のための新しいクロスドメイン機能融合手法と,実データからの堅牢な学習のための新しいボリューム一貫性の自己学習フレームワークを提案する。
論文 参考訳（メタデータ） (2023-04-20T09:38:26Z) - Automatic Image Content Extraction: Operationalizing Machine Learning in
Humanistic Photographic Studies of Large Visual Archives [81.88384269259706]
本稿では,機械学習による大規模画像アーカイブの検索と解析のための自動画像コンテンツ抽出フレームワークを提案する。
提案する枠組みは、人文科学と社会科学のいくつかの分野に適用できる。
論文 参考訳（メタデータ） (2022-04-05T12:19:24Z) - A workflow for segmenting soil and plant X-ray CT images with deep
learning in Googles Colaboratory [45.99558884106628]
我々はX線マイクロCT画像に畳み込みニューラルネットワークを適用するためのモジュラーワークフローを開発した。
クルミの葉, アーモンドの花芽, 土壌集合体のサンプルスキャンを用いて, 最適な結果を得るために, パラメータを最適化する方法を示す。
論文 参考訳（メタデータ） (2022-03-18T00:47:32Z) - Human-in-the-Loop Disinformation Detection: Stance, Sentiment, or
Something Else? [93.91375268580806]
政治とパンデミックは、機械学習対応の偽ニュース検出アルゴリズムの開発に十分な動機を与えている。
既存の文献は、主に完全自動化されたケースに焦点を当てているが、その結果得られた技術は、軍事応用に必要な様々なトピック、ソース、時間スケールに関する偽情報を確実に検出することはできない。
既に利用可能なアナリストを人間のループとして活用することにより、感情分析、アスペクトベースの感情分析、姿勢検出といった標準的な機械学習技術は、部分的に自動化された偽情報検出システムに使用するためのもっとも有効な方法となる。
論文 参考訳（メタデータ） (2021-11-09T13:30:34Z) - Ultrafast Focus Detection for Automated Microscopy [0.0]
連続的に収集した電子顕微鏡画像に対する高速な焦点検出アルゴリズムを提案する。
本手法は, 従来のコンピュータビジョン技術に適応し, 様々な微細な組織学的特徴を検出する手法である。
アウト・オブ・フォーカス条件をほぼリアルタイムに検出するテストが実施されている。
論文 参考訳（メタデータ） (2021-08-26T22:24:41Z) - 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) - Learning Guided Electron Microscopy with Active Acquisition [8.181540928891913]
画像の単一ビームSEM取得を高速化し,最適化するためにディープラーニングを利用する方法を示す。
提案手法は,情報欠落画像を迅速に収集し,新しい学習法を適用し,高分解能で収集すべき画素のごく一部を識別する。
本稿では,神経生物学におけるコネクトロミックデータセットの収集作業を最大で1桁高速化することで,本手法の有効性を実証する。
論文 参考訳（メタデータ） (2021-01-07T20:03:16Z)
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。