| Texto completo | |
| Autor(es): |
Claro, Pedro I. C.
;
Borges, Egon P. B. S.
;
Schleder, Gabriel R. R.
;
Archilha, Nathaly L. L.
;
Pinto, Allan
;
Carvalho, Murilo
;
Driemeier, Carlos E. E.
;
Fazzio, Adalberto
;
Gouveia, Rubia F. F.
Número total de Autores: 9
|
| Tipo de documento: | Artigo Científico |
| Fonte: | APPLIED PHYSICS REVIEWS; v. 10, n. 2, p. 19-pg., 2023-06-01. |
| Resumo | |
X-ray computed microtomography (mu CT) is an innovative and nondestructive versatile technique that has been used extensively to investigate bio-based systems in multiple application areas. Emerging progress in this field has brought countless studies using lCT characterization, revealing three-dimensional (3D) material structures and quantifying features such as defects, pores, secondary phases, filler dispersions, and internal interfaces. Recently, x-ray computed tomography (CT) beamlines coupled to synchrotron light sources have also enabled computed nanotomography (nCT) and four-dimensional (4D) characterization, allowing in situ, in vivo, and in operando characterization from the micro- to nanostructure. This increase in temporal and spatial resolutions produces a deluge of data to be processed, including real-time processing, to provide feedback during experiments. To overcome this issue, deep learning techniques have risen as a powerful tool that permits the automation of large amounts of data processing, availing the maximum beamline capabilities. In this context, this review outlines applications, synchrotron capabilities, and data-driven processing, focusing on the urgency of combining computational tools with experimental data. We bring a recent overview on this topic to researchers and professionals working not only in this and related areas but also to readers starting their contact with x-ray CT techniques and deep learning. (C) 2023 Author(s). All article content, except where otherwise noted, is licensed under a Creative Commons Attribution (CC BY) license (http://creativecommons.org/licenses/by/4.0/). (AU) | |
| Processo FAPESP: | 21/03097-1 - Exploração morfológica e morfométrica de nanocompósitos porosos usando técnicas computacionais de segmentação de imagens |
| Beneficiário: | Égon Piragibe Barros Silva Borges |
| Modalidade de apoio: | Bolsas no Brasil - Programa Capacitação - Treinamento Técnico |
| Processo FAPESP: | 17/18139-6 - Machine learning e Ciência de Materiais: descoberta e design de materiais 2D |
| Beneficiário: | Gabriel Ravanhani Schleder |
| Modalidade de apoio: | Bolsas no Brasil - Doutorado |
| Processo FAPESP: | 17/02317-2 - Interfaces em materiais: propriedades eletrônicas, magnéticas, estruturais e de transporte |
| Beneficiário: | Adalberto Fazzio |
| Modalidade de apoio: | Auxílio à Pesquisa - Temático |
| Processo FAPESP: | 14/50884-5 - INCT 2014: Instituto Nacional de Ciência e Tecnologia do Bioetanol |
| Beneficiário: | Marcos Silveira Buckeridge |
| Modalidade de apoio: | Auxílio à Pesquisa - Temático |
| Processo FAPESP: | 18/16453-8 - Análise morfogenética dos mecanismos de infecção do USUV e seus efeitos na neurogênese em modelo murino |
| Beneficiário: | Murilo de Carvalho |
| Modalidade de apoio: | Auxílio à Pesquisa - Regular |
| Processo FAPESP: | 20/08651-4 - Correlação de análises morfológicas e físico-químicas in situ de nanocompósitos porosos baseados em nanocelulose: uma exploração avançada usando tomografia de raios-X 4D no Sirius |
| Beneficiário: | Rubia Figueredo Gouveia |
| Modalidade de apoio: | Auxílio à Pesquisa - Programa BIOEN - Regular |