相关实验视频
Updated: Jul 11, 2025

Single Particle Cryo-Electron Microscopy: From Sample to Structure
Published on: May 29, 2021
SEMPro:一个数据驱动的管道,从扫描电子显微镜图像中学习结构属性洞察力
Brandon Ho1, Jiayu Zhao2, Joseph Liu2
1Department of Electrical and Computer Engineering, University of California San Diego, La Jolla, California 92093, United States.
本研究介绍了SEMPro,这是一种深度学习工具,可以从扫描电子显微镜 (SEM) 图像中分析水凝微结构. SEMPro可以预测材料属性,并揭示结构-属性关系,从而推进水凝研究.
科学领域:
- 材料科学 材料科学 材料科学
- 生物材料工程 生物材料工程
- 数据科学数据科学数据科学
背景情况:
- 通过扫描电子显微镜 (SEM) 进行水凝微观结构分析对于了解材料特性至关重要.
- 目前的方法依赖于主观解释和有限的数据集,阻碍了全面的结构-属性关系分析.
研究的目的:
- 开发一个数据驱动的解决方案,SEMPro,用于水凝SEM图像的自动分析.
- 使用深度学习 (DL) 建立一个管道来编译和分析水凝结构-属性关系.
主要方法:
- 网络抓取技术可以编译大量的水凝SEM图像数据集.
- 深度学习模型,包括转移学习和激活映射,用于图像分析和属性预测.
- 可解释的人工智能 (XAI) 方法来验证模型预测和解释特征相关性.
主要成果:
- 从SEM图像中,SEMPro可以准确地预测水凝的弹性模量,大小在相同的顺序内.
- 该模型成功地提取了模块相关的微结构特征,通过激活映射可视化.
- 可解释的人工智能证实了模型的预测有效性和特征重要性.
结论:
- SEMPro提供了一个闭环系统用于水凝数据收集和分析,使得高维洞察力.
- 这种方法可以显著提高水凝和软材料的理解和设计.
- DL和XAI的整合为材料科学研究提供了一个强大的工具.
更多相关视频
07:56User-friendly, High-throughput, and Fully Automated Data Acquisition Software for Single-particle Cryo-electron Microscopy
Published on: July 29, 2021
13:43A Robust Single-Particle Cryo-Electron Microscopy cryo-EM Processing Workflow with cryoSPARC, RELION, and Scipion
Published on: January 31, 2022
相关概念视频
Scanning Electron Microscopy
Fundamental Principles
Accelerated...
Electron Microscope Tomography and Single-particle Reconstruction
Electron Tomography
Electron tomography can be performed either in TEM or STEM (scanning transmission...