Informacja

Drogi użytkowniku, aplikacja do prawidłowego działania wymaga obsługi JavaScript. Proszę włącz obsługę JavaScript w Twojej przeglądarce.

Wyszukujesz frazę "texture characterization" wg kryterium: Temat


Wyświetlanie 1-2 z 2
Tytuł:
Quantifying Mineral Liberation – A Conventional and New Automatic Sophisticated Techniques Approach
Ocena uwolnienia minerałów – podejście konwencjonalne i nowe techniki automatyczne
Autorzy:
Tomanec, Rudolf
Blagojev, Marina
Powiązania:
https://bibliotekanauki.pl/articles/317860.pdf
Data publikacji:
2020
Wydawca:
Polskie Towarzystwo Przeróbki Kopalin
Tematy:
mineral liberation
free surface area
texture characterization
prediction
ore microscopy
uwolnienie minerałów
pole powierzchni wolnej
charakterystyka tekstury
prognoza
mikroskopia rudy
Opis:
The characterization of textural properties of minerals is closely related to the process of their respective liberation. Measurements of mineral liberation, related to grinded ore, can be performed using optical ore microscope, by conventional, classical methods – point counting, linear intercepts method or planimetric measurements method (2D). Modern automatic devices and sophisticated measurement techniques (QEMSCAN/MLA) imply recording free surfaces area of mineral grains on polished sections samples in order to determine mineral degree of liberation. Value of mineral liberation obtained over free surfaces area can be of interest to flotation concentration, although not for gravity separation or, for example, magnetic separation. The prediction accuracy for behavior of one feed ore during the concentration process depends on the method of measuring/recording mineral liberation. Considering raw materials with complex textural characteristics it is crucial which method will be applied for determination of mineral liberation respecting whether for concentration process is crucial physical or chemical method.
Charakterystyka właściwości tekstury minerałów jest blisko związana z procesem ich uwolnienia. Pomiary uwolnienia minerałów powiązane są z mieleniem rudy i mogą być wykonane za pomocą mikroskopu optycznego przy zastosowaniu konwencjonalnych metod – liczenia punktów, metody linii przecięcia albo metody pomiarów planimetrycznych (2D). Nowoczesne urządzenia automatyczne, jak również wyrafinowane techniki pomiarowe (QEMSCAN/MLA) stosują pomiar pól powierzchni wolnych ziaren minerału na próbkach wypolerowanych przekrojów w celu określenia stopnia uwolnienia minerałów. Wartość tego uwolnienia otrzymana na podstawie pola powierzchni wolnej może być przedmiotem zainteresowania w kontekście prowadzenia procesu flotacji, aczkolwiek nie w przypadku wzbogacania grawitacyjnego, czy magnetycznego. Prawidłowość prognozy odnośnie zachowania rudy podczas procesu zależy od metody oceny uwolnienia minerałów. Biorąc pod uwagę surowce o skomplikowanej teksturze bardzo ważnym jest, którą metodę zastosuje się w celu określenia stopnia uwolnienia minerałów pamiętając także o tym, czy dany proces jest oparty o metody fizyczne, czy też chemiczne.
Źródło:
Inżynieria Mineralna; 2020, 2, 1; 211-215
1640-4920
Pojawia się w:
Inżynieria Mineralna
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Texture-based identification of dystrophy phase. Indicating the most suitable features for therapy testing
Autorzy:
Duda, D.
Powiązania:
https://bibliotekanauki.pl/articles/333618.pdf
Data publikacji:
2018
Wydawca:
Uniwersytet Śląski. Wydział Informatyki i Nauki o Materiałach. Instytut Informatyki. Zakład Systemów Komputerowych
Tematy:
Golden Retriever Muscular Dystrophy
MRI-based tissue characterization
texture analysis
Monte Carlo feature selection
classification
dystrofia mięśniowa Duchenne'a
obrazowanie metodą rezonansu magnetycznego
analiza tekstury
klasyfikacja
Opis:
In this study, texture analysis (TA) is applied for characterization of dystrophic muscles visualized on T2-weighted Magnetic Resonance (MR) images. The study proposes a strategy for indicating the textural features that are the most appropriate for testing the therapies of Duchenne muscular dystrophy (DMD). The strategy considers that muscle texture evolves not only along with the disease progression but also with the individual’s development. First, a Monte Carlo (MC) procedure is used to assess the relative importance of each feature in identifying the phases of growth in healthy controls. The features considered as age-dependent at a given acceptance threshold are excluded from further analyses. It is assumed that their application in therapies’ evaluation may entail an incorrect assessment of dystrophy response to treatment. Next, the remaining features are used in differentiation among dystrophy phases. At this step, an MC-based feature selection is applied to find an optimal subset of features. Experiments are repeated at several acceptance thresholds for age-dependent features. Different solutions are finally compared with two classifiers: Neural Network (NN) and Support Vector Machines (SVM). The study is based on the Golden Retriever Muscular Dystrophy (GRMD) model. In total, 39 features provided by 8 TA methods (statistical, filter- and model-based) are tested.
Źródło:
Journal of Medical Informatics & Technologies; 2018, 27; 29-40
1642-6037
Pojawia się w:
Journal of Medical Informatics & Technologies
Dostawca treści:
Biblioteka Nauki
Artykuł
    Wyświetlanie 1-2 z 2

    Ta witryna wykorzystuje pliki cookies do przechowywania informacji na Twoim komputerze. Pliki cookies stosujemy w celu świadczenia usług na najwyższym poziomie, w tym w sposób dostosowany do indywidualnych potrzeb. Korzystanie z witryny bez zmiany ustawień dotyczących cookies oznacza, że będą one zamieszczane w Twoim komputerze. W każdym momencie możesz dokonać zmiany ustawień dotyczących cookies