Multivariate image analysis strategies for ToF‐SIMS images with topography
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,004 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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 découle