論文の概要: Mineral segmentation using electron microscope images and spectral sampling through multimodal graph neural networks

• arxiv url: http://arxiv.org/abs/2503.03507v1
• Date: Wed, 05 Mar 2025 13:55:26 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-03-06 15:52:01.056286
• Title: Mineral segmentation using electron microscope images and spectral sampling through multimodal graph neural networks
• Title（参考訳）: 電子顕微鏡像とマルチモーダルグラフニューラルネットワークによるスペクトルサンプリングによる鉱物のセグメンテーション
• Authors: Samuel Repka, Bořek Reich, Fedor Zolotarev, Tuomas Eerola, Pavel Zemčík,
• Abstract要約: 本稿では,マルチモーダル走査型電子顕微鏡(SEM)画像のデータ融合に基づくセグメント化のための新しいグラフニューラルネットワーク手法を提案する。 以上の結果から,BSE ピクセルの1%に EDS データを提供することで,正確なセグメンテーションが実現できた。
• 参考スコア（独自算出の注目度）: 0.03994567502796063
• License:
• Abstract: We propose a novel Graph Neural Network-based method for segmentation based on data fusion of multimodal Scanning Electron Microscope (SEM) images. In most cases, Backscattered Electron (BSE) images obtained using SEM do not contain sufficient information for mineral segmentation. Therefore, imaging is often complemented with point-wise Energy-Dispersive X-ray Spectroscopy (EDS) spectral measurements that provide highly accurate information about the chemical composition but that are time-consuming to acquire. This motivates the use of sparse spectral data in conjunction with BSE images for mineral segmentation. The unstructured nature of the spectral data makes most traditional image fusion techniques unsuitable for BSE-EDS fusion. We propose using graph neural networks to fuse the two modalities and segment the mineral phases simultaneously. Our results demonstrate that providing EDS data for as few as 1% of BSE pixels produces accurate segmentation, enabling rapid analysis of mineral samples. The proposed data fusion pipeline is versatile and can be adapted to other domains that involve image data and point-wise measurements.
• Abstract（参考訳）: 本稿では,マルチモーダル走査型電子顕微鏡(SEM)画像のデータ融合に基づくセグメント化のための新しいグラフニューラルネットワーク手法を提案する。 ほとんどの場合、SEMを用いて得られた後方散乱電子(BSE)画像は、ミネラルセグメンテーションに十分な情報を含んでいない。 したがって、イメージングはしばしば、化学組成に関する高精度な情報を提供するが、取得するのに時間がかかる点のエネルギー分散X線分光法(EDS)のスペクトル測定と補完される。 このことは、ミネラルセグメンテーションのためのBSE画像と共にスパーススペクトルデータを使用することを動機付けている。 スペクトルデータの非構造的性質により、ほとんどの従来の画像融合技術はBSE-EDS融合には適さない。 グラフニューラルネットワークを用いて、2つのモードを融合し、ミネラルフェーズを同時に分割する。 以上の結果から,BSEピクセルの1%程度でEDSデータを提供すると,正確なセグメンテーションが得られ,鉱物試料の迅速分析が可能であることが示唆された。 提案したデータ融合パイプラインは汎用的であり、画像データやポイントワイズ計測を含む他の領域に適応することができる。

関連論文リスト

• Spectral Image Data Fusion for Multisource Data Augmentation [44.99833362998488]
  マルチスペクトル画像やハイパースペクトル画像は、リモートセンシング、天文学的イメージング、精密農業など、さまざまな研究分野で人気が高まっている。 機械学習タスクを実行できる無料データの量は比較的少ない。 スペクトル画像の領域で開発された人工知能モデルは、固定されたスペクトルシグネチャを持つ入力画像を必要とする。
  論文  参考訳（メタデータ） (2024-04-05T13:40:18Z)
• Style transfer between Microscopy and Magnetic Resonance Imaging via Generative Adversarial Network in small sample size settings [49.84018914962972]
  磁気共鳴イメージング(MRI)のクロスモーダル増強と、同じ組織サンプルに基づく顕微鏡イメージングが期待できる。 コンディショナル・ジェネレーティブ・逆境ネットワーク (cGAN) アーキテクチャを用いて, コーパス・カロサムのMRI画像から顕微鏡組織像を生成する方法を検討した。
  論文  参考訳（メタデータ） (2023-10-16T13:58:53Z)
• 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)
• Classification of FIB/SEM-tomography images for highly porous multiphase materials using random forest classifiers [0.0]
  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。
  論文  参考訳（メタデータ） (2022-07-28T14:28:30Z)
• Hyperspectral Image Segmentation based on Graph Processing over Multilayer Networks [51.15952040322895]
  ハイパースペクトル画像(HSI)処理の1つの重要な課題は、スペクトル空間的特徴の抽出である。 M-GSP特徴抽出に基づくHSIセグメンテーションへのいくつかのアプローチを提案する。 HSI処理とスペクトル空間情報抽出におけるM-GSPの強度を実験的に検証した。
  論文  参考訳（メタデータ） (2021-11-29T23:28:18Z)
• 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)
• Data-Driven Discovery of Molecular Photoswitches with Multioutput Gaussian Processes [51.17758371472664]
  フォトウィッチ可能な分子は、光によってアクセスされる2つ以上の異性体である。 本稿では、データセットキュレーションとマルチタスク学習を基盤とした、分子フォトウィッチのためのデータ駆動探索パイプラインを提案する。 提案手法は, 市販フォトウィッチ可能な分子のライブラリーをスクリーニングし, 実験的に検証した。
  論文  参考訳（メタデータ） (2020-06-28T20:59:03Z)
• Pathological Retinal Region Segmentation From OCT Images Using Geometric Relation Based Augmentation [84.7571086566595]
  本稿では,幾何学と形状の内在的関係を共同で符号化することで,従来のGANベースの医用画像合成法よりも優れた手法を提案する。 提案手法は,取得手順の異なる画像を有する公開RETOUCHデータセット上で,最先端のセグメンテーション手法より優れている。
  論文  参考訳（メタデータ） (2020-03-31T11:50:43Z)
• 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)
• Fast reconstruction of atomic-scale STEM-EELS images from sparse sampling [11.624024992823928]
  原子スケールEELSに適した高速かつ高精度な再構成法を提案する。 この方法は、STEM-EELS画像上で初めて使用されるベータプロセスファクター解析(BPFA)のような一般的なソリューションと比較される。
  論文  参考訳（メタデータ） (2020-02-04T11:07:56Z)

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。