Multivariate image analysis strategies for ToF‐SIMS images with topography
Notice bibliographique
Résumé
Abstract Despite the benefits of multivariate analysis methods, many challenges remain with their robust applications to real‐life samples relevant to industry. Here, we use hair fibres pre‐treated with a multi‐component formulation to investigate different multivariate analysis strategies for complex time‐of‐flight secondary ion mass spectrometry (ToF‐SIMS) images obtained in practical analysis. This is challenging because of extreme topography, a large number of unknown chemical components and detector saturation. We compare results from principal component analysis (PCA) and multivariate curve resolution (MCR) with no scaling, Poisson scaling and binomial scaling. Because of severe topography, scaling methods are modified to operate in the spectral domain only. We propose the use of a maximum ion intensity spectrum to highlight localised chemical features and diagnose detector saturation. Dead time correction with suitable data scaling is demonstrated to be essential for the detection of small, localised chemical variations. While PCA results are difficult to interpret, MCR results resemble secondary ion mass spectrometry (SIMS) spectra and distributions directly. MCR is also superior to manual analysis for the detection of an important interaction between multiple ingredients. However, unlike PCA, the scores and loadings obtained on different MCR factors are correlated. The consequence of this for the optimal resolution of independent chemical features is discussed in detail. Binomial scaling is identified as the most appropriate data scaling method for this image due to detector saturation. This study provides a robust analysis strategy for complex ToF‐SIMS images, essential for increasingly complex multi‐organic surfaces and biomaterials. © Crown copyright 2009. Reproduced with the permission of HerMajesty's Stationery Office. Published by John Wiley & Sons, Ltd.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».