机器视觉在分子成像中的自动化基质分子检测和分类
Jiali Li1, Mykola Telychko2, Jun Yin1
1Department of Chemical and Biomolecular Engineering, National University of Singapore, 4 Engineering Drive 4, Singapore 117585, Singapore.
Journal of the American Chemical Society
|July 6, 2021
概括
一个新的深度学习框架分析扫描探针显微镜 (SPM) 图像以识别性分子纳米结构. 这种机器视觉方法可以自动识别复杂的图案,进步SPM图像分析.
科学领域:
- 材料科学
- 纳米技术
- 计算化学
背景情况:
- 扫描探针显微镜 (SPM) 对表面和纳米材料的原子尺度成像至关重要.
- 在催化和传感等应用中,状分子纳米结构越来越重要.
- 目前的SPM图像分析速度缓慢,容易出现错误,因此需要自动化解决方案.
研究的目的:
- 开发一个高效的深度学习框架来分析SPM图像.
- 为了自动识别和确定性分子纳米结构.
- 在复杂的系统中展示框架的准确性和多功能性.
主要方法:
- 使用最先进的机器视觉算法.
- 开发了一个"一个图像,一个系统"的深度学习框架.
- 将框架应用于具有明显性图案的超分子自组图像.
主要成果:
- 深度学习框架准确地检测出分子位置.
- 纳米结构中的单个分子的性被正确标记.
- 在分析复杂的形图案方面表现出高精度和多功能性.
结论:
- 开发的深度学习框架显著增强了SPM图像分析.
- 机器学习显示出复杂的SPM模式的自动识别的巨大潜力.
- 这种方法促进了用于先进应用的性分子纳米结构的研究.


