핵심 개념
深層学習光学流れ解析(DLOF)は、密に標識された活性ネマチック液晶の速度場を、従来のPIV手法よりも正確に推定できる。
초록
本研究では、微小管(MT)ベースの活性ネマチック液晶の速度場を推定するために、深層学習光学流れ解析(DLOF)とPIVを比較した。
密に標識されたサンプルでは、PIVは速度成分を大幅に過小評価するが、DLOFはこの問題を克服し、より正確な速度場を得られる。
これは、PIVが密に標識された系で対比の変化を正しく識別できないのに対し、DLOFはこの制限を乗り越えられるためである。
疎に標識されたサンプルでは、PIVとDLOFの精度は同程度だが、DLOFの方が高解像度の速度場を得られる。
DLOFは、活性物質や生物物理系など、様々な流体系の速度場推定に有効な手法であることが示された。
통계
PIVは密に標識されたサンプルで平均相対速度誤差が42%に達するが、DLOFは29%に抑えられる。
密に標識されたサンプルでのPIVの平均角度誤差は44度に達するが、DLOFは29度に抑えられる。
密に標識されたサンプルでのPIVと真値の相関係数は低下するが、DLOFは高い相関を維持する。
인용구
"PIVは密に標識された系で対比の変化を正しく識別できないのに対し、DLOFはこの制限を乗り越えられる。"
"DLOFは、活性物質や生物物理系など、様々な流体系の速度場推定に有効な手法である。"