[論文レビュー] Applications of Multivariate Statistical Methods and Simulation Libraries to Analysis of Electron Backscatter Diffraction and Transmission Kikuchi Diffraction Datasets

A.J. Wilkinson, David M. Collins+3 more|arXiv (Cornell University)|Jun 6, 2018

Soil Geostatistics and Mapping参考文献 67被引用数 35

ひとこと要約

本稿では、多変量統計的手法——特にVARIMAX回転を施した主成分分析（PCA）とk-meansクラスタリング——をシミュレーションライブラリと統合することで、電子バックスクattered回折（EBSD）および透過キクチ diffraction（TKD）データ解析を向上させることを提案する。ピクセル強度を多次元変数として扱うことで、パターンのセグメンテーションが向上し、弱い信号が強化され、微細な極性効果が解消され、テンプレートマッチングと組み合わせることで計算負荷が低減され、従来のEBSD解析ワークフローの補完的ツールを提供する。

ABSTRACT

Multivariate statistical methods are widely used throughout the sciences, including microscopy, however, their utilisation for analysis of electron backscatter diffraction (EBSD) data has not been adequately explored. The basic aim of most EBSD analysis is to segment the spatial domain to reveal and quantify the microstructure, and links this to knowledge of the crystallography (eg crystal phase, orientation) within each segmented region. Two analysis strategies have been explored; principal component analysis (PCA) and k-means clustering. The intensity at individual (binned) pixels on the detector were used as the variables defining the multidimensional space in which each pattern in the map generates a single discrete point. PCA analysis alone did not work well but rotating factors to the VARIMAX solution did. K-means clustering also successfully segmented the data but was computational more expensive. The characteristic patterns produced by either VARIMAX or k-means clustering enhance weak patterns, remove pattern overlap, and allow subtle effects from polarity to be distinguished. Combining multivariate statistical analysis (MSA) approaches with template matching to simulation libraries can significantly reduce computational demand as the number of patterns to be matched is drastically reduced. Both template matching and MSA approaches may augment existing analysis methods but will not replace them in the majority of applications.

研究の動機と目的

• 多変量統計的手法を微細構造解析においてあまり活用されていないEBSDおよびTKDデータに応用することを検討すること。
• 重複するパターンや弱い信号を含む複雑なEBSDデータセットのセグメンテーションにおける課題に対処すること。
• 統計的クラスタリングを用いて事前フィルタリングすることで、パターンマッチングにおける計算コストを低減すること。
• 統計的手法が、極性効果のような微細な結晶学的特徴の検出を向上させられるかどうかを評価すること。
• 統計的解析をシミュレーションライブラリと統合し、EBSD/TKDデータ解釈の効率性と正確性を向上させること。

提案手法

• EBSD/TKDパターン内のボクセル化されたピクセル強度を、多次元空間内の変数として扱い、各パターンを1点として表現する。
• 次元削減と主要なパターン変動の特定のため、主成分分析（PCA）を適用する。
• PCA要因のVARIMAX回転を用いることで解釈性を向上させ、パターンセグメンテーションを強化する。
• 多次元空間における強度分布に基づいて類似パターンをグループ化するため、k-meansクラスタリングを実装する。
• 統計的クラスタリングの結果と事前に計算されたシミュレーションライブラリを組み合わせ、インデキシング中にマッチング対象とするパターン数を著しく削減する。
• 統計的クラスタリングの出力をフィルタとして用い、テンプレートマッチングを最も関連性の高いシミュレートパターンに限定することで、計算効率を向上させる。

実験結果

リサーチクエスチョン

• RQ1 標準的なPCAが失敗する状況下でも、VARIMAX回転を施したPCAはEBSDおよびTKDパターンのセグメンテーションに効果的であるか？
• RQ2 k-meansクラスタリングは、重なっているか弱い回折パターンを解消する点でPCAと比べてどのように異なるか？
• RQ3 多変量統計的分析が、極性のような微細な結晶学的特徴の可視化をどの程度向上させられるか？
• RQ4 シミュレーションライブラリとの統合により、EBSD/TKDパターンマッチングの計算負担をどの程度低減できるか？
• RQ5 統計的クラスタリングは、EBSD解析におけるテンプレートマッチングの効率性と正確性を向上させるための前処理として有効であるか？

主な発見

• VARIMAX回転を施したPCAは、EBSDおよびTKDデータセットにおいて、弱い信号や重複するパターンの検出を著しく向上させ、パターンセグメンテーションを成功裏に実現した。
• k-meansクラスタリングも効果的なセグメンテーションを達成したが、PCAベースの手法と比較して著しく高い計算リソースを要した。
• 両統計的手法とも、従来の解析では困難であった極性効果を含む微細な特徴の可視性を向上させた。
• 多変量統計的分析とシミュレーションライブラリの統合により、マッチング対象となる候補パターン数が削減され、計算要求が著しく低減された。
• 統計的手法とシミュレーションライブラリの統合は、標準的なEBSD解析パイプラインの代替ではなく、補完的アプローチを提供する。
• 結果として、適切に適用され、シミュレーションベースのインデキシングと組み合わせられた多変量統計的手法が、EBSDおよびTKDにおけるデータ解釈の質を向上させられることを示した。