Análisis automático de micrografías SEM mediante aprendizaje profundo
Autor(a) principal: | |
---|---|
Data de Publicação: | 2023 |
Outros Autores: | , , , |
Tipo de documento: | Artigo |
Idioma: | spa |
Título da fonte: | Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) |
Texto Completo: | http://scielo.pt/scielo.php?script=sci_arttext&pid=S1646-98952023000100100 |
Resumo: | Resumen El microscopio electrónico de barrido (SEM) es comúnmente utilizado para analizar nanopartículas de distintos materiales y mejorar métodos de fabricación, sistemas de purificación, mejoras en la industria médica, entre otras. En este artículo, se presenta un mapeo sistemático de la literatura referente al uso de técnicas de aprendizaje profundo (AP) para la detección y clasificación de nanopartículas contenidas en micrografías SEM. Los resultados reflejan que las redes neuronales convolucionales (CNN) son las técnicas más utilizadas para analizar micrografías, obteniendo una alta precisión en los proyectos realizados en las publicaciones revisadas. Como prueba de concepto, se presentan ejemplos del uso de los enfoques más comunes en micrografías SEM de CaCO3, incluyendo el uso de herramientas como OpenAI. Los resultados revelan ventajas y retos que se presentan al utilizar técnicas de aprendizaje profundo en el análisis de micrografías SEM. |
id |
RCAP_1aa55a873e21189d9427591ed022a3d6 |
---|---|
oai_identifier_str |
oai:scielo:S1646-98952023000100100 |
network_acronym_str |
RCAP |
network_name_str |
Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) |
repository_id_str |
7160 |
spelling |
Análisis automático de micrografías SEM mediante aprendizaje profundoaprendizaje profundomicrografías SEMCaCO3nanopartículasredes neuronales convolucionalesResumen El microscopio electrónico de barrido (SEM) es comúnmente utilizado para analizar nanopartículas de distintos materiales y mejorar métodos de fabricación, sistemas de purificación, mejoras en la industria médica, entre otras. En este artículo, se presenta un mapeo sistemático de la literatura referente al uso de técnicas de aprendizaje profundo (AP) para la detección y clasificación de nanopartículas contenidas en micrografías SEM. Los resultados reflejan que las redes neuronales convolucionales (CNN) son las técnicas más utilizadas para analizar micrografías, obteniendo una alta precisión en los proyectos realizados en las publicaciones revisadas. Como prueba de concepto, se presentan ejemplos del uso de los enfoques más comunes en micrografías SEM de CaCO3, incluyendo el uso de herramientas como OpenAI. Los resultados revelan ventajas y retos que se presentan al utilizar técnicas de aprendizaje profundo en el análisis de micrografías SEM.AISTI - Associação Ibérica de Sistemas e Tecnologias de Informação2023-03-01info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/articletext/htmlhttp://scielo.pt/scielo.php?script=sci_arttext&pid=S1646-98952023000100100RISTI - Revista Ibérica de Sistemas e Tecnologias de Informação n.49 2023reponame:Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)instname:Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informaçãoinstacron:RCAAPspahttp://scielo.pt/scielo.php?script=sci_arttext&pid=S1646-98952023000100100Toscano,IkerBravo,Diego Alejandro MoralesDe-la-Torre,MiguelJuárez,Brenda AcevedoMireles,Gabriel Alberto Garcíainfo:eu-repo/semantics/openAccess2024-02-06T17:24:29Zoai:scielo:S1646-98952023000100100Portal AgregadorONGhttps://www.rcaap.pt/oai/openaireopendoar:71602024-03-20T02:30:16.933242Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) - Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informaçãofalse |
dc.title.none.fl_str_mv |
Análisis automático de micrografías SEM mediante aprendizaje profundo |
title |
Análisis automático de micrografías SEM mediante aprendizaje profundo |
spellingShingle |
Análisis automático de micrografías SEM mediante aprendizaje profundo Toscano,Iker aprendizaje profundo micrografías SEM CaCO3 nanopartículas redes neuronales convolucionales |
title_short |
Análisis automático de micrografías SEM mediante aprendizaje profundo |
title_full |
Análisis automático de micrografías SEM mediante aprendizaje profundo |
title_fullStr |
Análisis automático de micrografías SEM mediante aprendizaje profundo |
title_full_unstemmed |
Análisis automático de micrografías SEM mediante aprendizaje profundo |
title_sort |
Análisis automático de micrografías SEM mediante aprendizaje profundo |
author |
Toscano,Iker |
author_facet |
Toscano,Iker Bravo,Diego Alejandro Morales De-la-Torre,Miguel Juárez,Brenda Acevedo Mireles,Gabriel Alberto García |
author_role |
author |
author2 |
Bravo,Diego Alejandro Morales De-la-Torre,Miguel Juárez,Brenda Acevedo Mireles,Gabriel Alberto García |
author2_role |
author author author author |
dc.contributor.author.fl_str_mv |
Toscano,Iker Bravo,Diego Alejandro Morales De-la-Torre,Miguel Juárez,Brenda Acevedo Mireles,Gabriel Alberto García |
dc.subject.por.fl_str_mv |
aprendizaje profundo micrografías SEM CaCO3 nanopartículas redes neuronales convolucionales |
topic |
aprendizaje profundo micrografías SEM CaCO3 nanopartículas redes neuronales convolucionales |
description |
Resumen El microscopio electrónico de barrido (SEM) es comúnmente utilizado para analizar nanopartículas de distintos materiales y mejorar métodos de fabricación, sistemas de purificación, mejoras en la industria médica, entre otras. En este artículo, se presenta un mapeo sistemático de la literatura referente al uso de técnicas de aprendizaje profundo (AP) para la detección y clasificación de nanopartículas contenidas en micrografías SEM. Los resultados reflejan que las redes neuronales convolucionales (CNN) son las técnicas más utilizadas para analizar micrografías, obteniendo una alta precisión en los proyectos realizados en las publicaciones revisadas. Como prueba de concepto, se presentan ejemplos del uso de los enfoques más comunes en micrografías SEM de CaCO3, incluyendo el uso de herramientas como OpenAI. Los resultados revelan ventajas y retos que se presentan al utilizar técnicas de aprendizaje profundo en el análisis de micrografías SEM. |
publishDate |
2023 |
dc.date.none.fl_str_mv |
2023-03-01 |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/article |
format |
article |
status_str |
publishedVersion |
dc.identifier.uri.fl_str_mv |
http://scielo.pt/scielo.php?script=sci_arttext&pid=S1646-98952023000100100 |
url |
http://scielo.pt/scielo.php?script=sci_arttext&pid=S1646-98952023000100100 |
dc.language.iso.fl_str_mv |
spa |
language |
spa |
dc.relation.none.fl_str_mv |
http://scielo.pt/scielo.php?script=sci_arttext&pid=S1646-98952023000100100 |
dc.rights.driver.fl_str_mv |
info:eu-repo/semantics/openAccess |
eu_rights_str_mv |
openAccess |
dc.format.none.fl_str_mv |
text/html |
dc.publisher.none.fl_str_mv |
AISTI - Associação Ibérica de Sistemas e Tecnologias de Informação |
publisher.none.fl_str_mv |
AISTI - Associação Ibérica de Sistemas e Tecnologias de Informação |
dc.source.none.fl_str_mv |
RISTI - Revista Ibérica de Sistemas e Tecnologias de Informação n.49 2023 reponame:Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) instname:Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação instacron:RCAAP |
instname_str |
Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação |
instacron_str |
RCAAP |
institution |
RCAAP |
reponame_str |
Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) |
collection |
Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) |
repository.name.fl_str_mv |
Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) - Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação |
repository.mail.fl_str_mv |
|
_version_ |
1799137368494571520 |