.png){kind=icon}
返回
Lost Data in Electron Microscopy
.png){kind=icon}
OA
AI
DOI：10.3390/chemistry7050160.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
本研究的目标是估计电子显微镜中丢失的数据量，并分析实验获取的图像在同行评审科学出版物中被利用的程度。对核心用户设施中电子显微镜拍摄的图像数量以及随后被纳入同行评审科学期刊的图像数量的分析显示，数据利用率低下。在常规仪器操作期间生成的电子显微镜数据中，高达约90%可能未被使用。在本研究中评估的超过150,000张电子显微镜图像中，仅有约3500张（略超过2%）被用于出版物。对于分析的数据集，电子显微镜中丢失的数据量可估计为>90%（以被记录但未在同行评审文献中发表的数据衡量）。一方面，这些结果突显了显微镜图像最优利用方面的不足；另一方面，它们表明存在一个庞大的电子显微镜数据池，可以促进数据科学研究以及基于AI的项目开发。本文讨论了释放丢失数据潜力的关键考量因素。
Keyword:
nanomaterials
catalysis
electron microscopy
chemical research
data science
lost data
AI总结
对已上传原文的论文进行重点信息的提取，主要内容包括：简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
C
IF:
2.4
论文数:
129
被引数:
1.1K
机构
引用论文
分享收藏In situ transmission electron microscopy and artificial intelligence enabled data analytics for energy materials原位透射电子显微镜和人工智能支持能源材料的数据分析
PREAI
分享收藏分享收藏分享收藏Combining Machine Learning and Computational Chemistry for Predictive Insights Into Chemical Systems将机器学习和计算化学相结合，对化学系统进行预测洞察.png)
Chemical ReviewsOAAI
Chemical ReviewsIF55.8
OAAI分享收藏In Pursuit of the Exceptional: Research Directions for Machine Learning in Chemical and Materials Science追求卓越: 化学和材料科学中机器学习的研究方向
OAAI
OAAI分享收藏
查看更多内容