Pesquisadores da RIKEN nas instalações de radiação síncrotron do Japão, SPring-8 e seus colaboradores desenvolveram uma maneira mais rápida e simples de realizar análises de segmentação, um processo vital na ciência dos materiais. O novo método foi publicado na revista Science and Technology of Advanced Materials:Methods .



A análise de segmentação é usada para compreender a composição em escala precisa de um material. Identifica regiões distintas (ou 'segmentos') com composições, características estruturais ou propriedades específicas. Isto ajuda a avaliar a adequação de um material para funções específicas, bem como as suas possíveis limitações. Também pode ser usado para controle de qualidade na fabricação de materiais e para identificar pontos fracos na análise de materiais que falharam.

A análise de segmentação é muito importante para a tomografia computadorizada de raios X com radiação síncrotron (SR-CT), que é semelhante à tomografia computadorizada médica convencional, mas usa raios X intensos e focados produzidos por elétrons que circulam em um anel de armazenamento quase à velocidade da luz.

A equipe demonstrou que o aprendizado de máquina é capaz de conduzir a análise de segmentação para TC de contraste de refração, o que é especialmente útil para visualizar a estrutura tridimensional em amostras com pequenas diferenças de densidade entre regiões de interesse, como resinas epóxi.

“Até agora, nenhum método geral de análise de segmentação para tomografia computadorizada com contraste e refração de radiação síncrotron foi relatado”, disse o primeiro autor, Satoru Hamamoto. “Os pesquisadores geralmente tiveram que fazer análises de segmentação por tentativa e erro, o que tornou isso difícil para aqueles que não são especialistas”.

A solução da equipe foi usar métodos de aprendizado de máquina estabelecidos nas áreas biomédicas em combinação com uma técnica de aprendizagem por transferência para ajustar-se com precisão à análise de segmentação de SR-CTs. Aproveitar o modelo de aprendizado de máquina existente reduziu bastante a quantidade de dados de treinamento necessários para obter resultados.

“Demonstramos que a análise de segmentação rápida e precisa é possível usando métodos de aprendizado de máquina, a um custo computacional razoável e de uma forma que deve permitir que não especialistas alcancem níveis de precisão semelhantes aos de especialistas”, diz Takaki Hatsui, que liderou o grupo de pesquisa.

Os pesquisadores realizaram uma análise de prova de conceito na qual detectaram com sucesso regiões criadas por água dentro de uma resina epóxi. Seu sucesso sugere que a técnica será útil para analisar uma ampla gama de materiais.

Para disponibilizar este método de análise da forma mais ampla e rápida possível, a equipe planeja estabelecer a análise de segmentação como um serviço oferecido a pesquisadores externos pelo data center SPring-8, que iniciou recentemente sua operação.

Mais informações: Satoru Hamamoto et al, Demonstração de aprendizagem de transferência eficiente em problema de segmentação em dados de tomografia computadorizada de raios X de radiação síncrotron para resina epóxi, Ciência e Tecnologia de Materiais Avançados:Métodos (2023). DOI:10.1080/27660400.2023.2270529
Fornecido pelo Instituto Nacional de Ciência de Materiais