基于深度学习方法的多对比X射线非均匀材料识别与判别
应用物理
2023-09-22 v1
摘要
X射线技术的最新创新(即基于相位的与能量分辨成像)为材料判别提供了前所未有的机遇，然而它们常孤立使用或仅有限组合。本文表明，对比度通道的优化组合(三种X射线能量下的衰减、两种超小角散射、折射的标准差)相较仅双能X射线成像显著增强了材料识别能力，且现成机器学习方法的组合可有效判别复杂数据集中的威胁材料等。该方法在一系列材料与图像数据集上得到验证，其规模均较前序研究大一数量级。我们的结果可提供在复杂成像场景中判别乃至某些情况下识别不同材料的有效方法，在生命与物理科学中具有应用前景。尽管本文以威胁材料检测作为演示，该方法同样可应用于如病变与健康组织的区分或退化与完好材料的辨别。
引用
@article{arxiv.2309.11943,
title = {Multi-contrast x-ray identification of inhomogeneous materials and their discrimination through deep learning approaches},
author = {Thomas Partridge and Sukrit S. Shankar and Ian Buchanan and Peter Modregger and Alberto Astolfo and David Bate and Alessandro Olivo},
journal= {arXiv preprint arXiv:2309.11943},
year = {2023}
}
备注
23 pages - 13 main text, 10 supplementary 11 figures - 5 main text, 6 supplementary