文献

J-GLOBAL ID：202002212567045174   整理番号：20A0426876

機械学習を用いた陽電子放出粒子追跡【JST・京大機械翻訳】

Positron emission particle tracking using machine learning

著者 (2件)： Nicusan A. L. (School of Chemical Engineering, The University of Birmingham, Edgbaston, Birmingham B15 2TT, United Kingdom) ,  Windows-Yule C. R. K. (School of Chemical Engineering, The University of Birmingham, Edgbaston, Birmingham B15 2TT, United Kingdom)
資料名： Review of Scientific Instruments  (Review of Scientific Instruments)
巻： 91  号： 1  ページ： 013329-013329-15  発行年： 2020年 
JST資料番号： D0517A  ISSN： 0034-6748  CODEN： RSINAK  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 機械学習アルゴリズムに基づく陽電子放出粒子追跡への新しいアプローチを導入し,粒子位置,追跡,および軌道分離のための新しい方法を実証した。この方法は,高い時間的空間分解能をもつ三次元空間における放射性標識粒子を,システム内のトレーサー数の事前知識を必要とせず,2mmの小さい距離で分離された多重粒子を識別することができる。この技術の空間分解能は用いたトレーサの数によって不変であることが観察され,データ品質の損失なしに多数の粒子を同時に追跡できる。Copyright 2020 AIP Publishing LLC All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 空間分解能 ,  *機械学習 ,  学習アルゴリズム ,  バリオン ,  *陽電子 ,  不変性
準シソーラス用語： データ品質 ,  事前知識 ,  三次元空間 , 【Automatic Indexing@JST】

分類 (1件)： 流体の実験・試験・測定方法及び装置  (BC01020K)

タイトルに関連する用語 (2件)： 機械学習 ,  粒子追跡