在高分辨率传输电子显微镜中量化神经网络细分的噪声限制
Matthew Helmi Leth Larsen1, William Bang Lomholdt2, Cuauhtemoc Nuñez Valencia1
1Computational Atomic-scale Materials Design (CAMD), Department of Physics, Technical University of Denmark, DK-2800 Kgs. Lyngby, Denmark.
Ultramicroscopy
|July 27, 2023
概括
本研究确定了传输电子显微镜中基于神经网络的对象检测和细分的最佳电子剂量范围. 在低剂量成像方面,MSD-net架构是卓越的,即使在减少电子暴露的情况下,也可以进行纳米粒子分析.
科学领域:
- 材料科学 材料科学 材料科学
- 电子显微镜电子显微镜
- 人工智能的人工智能
背景情况:
- 低电子剂量传输电子显微镜 (TEM) 对于最小化样品损伤至关重要.
- 在低剂量TEM图像中精确的对象检测和细分仍然具有挑战性.
- 神经网络为改善TEM中的图像分析提供了潜力.
研究的目的:
- 在TEM中使用神经网络确定对象检测和细分的最佳电子剂量范围.
- 评估MSD-net架构的性能与低剂量TEM成像的U-net相比.
- 研究调制转移函数 (MTF) 建模对模拟低剂量TEM图像的影响.
主要方法:
- 在模拟和实验低剂量TEM图像上训练和评估神经网络架构 (MSD-net和U-net).
- 在一系列电子剂量 (e-/Å2) 中评估了性能.
- 在训练期间与模拟数据结合调制转移函数的参数模型.
主要成果:
- 该MSD-net架构表现出优越的泛化以较低的剂量比U-net.
- 对象检测在30-200 e-/Å2之间是可行的,在200 e-/Å2实现了完全的纳米粒子细分.
- 建模MTF对于准确的训练与模拟数据的真实世界探测器应用至关重要.
结论:
- MSD-net提供了用于低剂量TEM图像分析的增强功能,特别是用于对象检测和细分.
- 该研究建立了一个实用的电子剂量范围,用于使用神经网络进行可靠的分析.
- 精确的MTF建模对于弥合模拟和实验低剂量TEM数据之间的差距至关重要.
