X-ray fluorescence
PulseAugur coverage of X-ray fluorescence — every cluster mentioning X-ray fluorescence across labs, papers, and developer communities, ranked by signal.
-
发布新数据集“野外矿物”，用于矿物表征
研究人员发布了“野外矿物”（Minerals in the Wild），这是一个旨在利用高光谱成像和X射线荧光技术推进矿物表征的新数据集。该数据集包含来自欧洲的1100多块岩石样本，并附有相应的高光谱和元素成分数据。该资源旨在解决用于开发和评估基于高光谱成像的矿物识别方法的标记数据不足的问题。
-
Vision-Language Models Enhance XRF-to-Optical Microscopy Localization
研究人员开发了一种新的方法，用于定位以不同显微镜成像模式拍摄的图像，特别是X射线荧光（XRF）和光学显微镜。这对于关联同一样本的互补测量至关重要，尤其是在XRF图仅覆盖光学图像的一小部分时。该研究评估了用于此任务的视觉语言模型（VLM），并将其与几何控制、模板匹配和其他无训练方法进行了比较。一种使用VLM预测作为候选、图像相似性进行选择的提议-验证工作流程被证明是有效的，特别是在结构差异显著的低对应场景中。
-
新方法改进光学显微镜下XRF图谱的定位
研究人员开发了一种在新方法，用于在光学显微图像中定位X射线荧光（XRF）图谱，解决了两种具有不同对比机制和分辨率的成像模式数据对齐的挑战。所提出的技术对XRF瓦片组定位进行了形式化，其中利用采集几何作为约束，为整个XRF瓦片组估计在光学框架中的单一位置。与独立瓦片放置的0.000相比，该方法显著提高了定位精度，在对照研究中实现了0.931的GroupIoU。在多尺度研究中，使用粗略的XRF调查扫描将平均GroupIoU从0.694提高…
-
新框架增强了光谱数据分析中人工智能的可解释性
研究人员开发了 Spectral Model eXplainer (SMX)，这是一个旨在提高化学计量学和光谱学中使用的机器学习模型可解释性的新框架。与关注单个变量的现有方法不同，SMX 分析具有化学意义的光谱区域。该框架使用 PCA 总结区域，通过子采样估计谓词相关性，并使用有向加权图聚合排名。SMX 在八个真实世界的光谱数据集上进行了测试，包括来自 X 射线荧光和伽马射线光谱的数据。