相关实验视频
Updated: Jul 4, 2025
10:56
An Unbiased Approach of Sampling TEM Sections in Neuroscience
Published on: April 13, 2019
7.2K
在神经网络中跨实验参数的概括 高分辨率传输电子显微镜数据集的分析
Katherine Sytwu1, Luis Rangel DaCosta1,2, Mary C Scott1,2
1Molecular Foundry, Lawrence Berkeley National Laboratory, 1 Cyclotron Road, Berkeley, CA 94720, USA.
概括
神经网络在训练集之外与传输电子显微镜 (TEM) 数据作斗争. 这项研究表明,虽然网络对一些纳米粒子属性进行了概括,但它们缺乏对不同显微镜参数的稳定性,从而影响了纳米材料分析.
科学领域:
- 材料科学 材料科学 材料科学
- 数据科学数据科学数据科学
- 显微镜的使用方法
背景情况:
- 神经网络为纳米材料的传输电子显微镜 (TEM) 提供高通量分析.
- 对分布外数据的不良概括是神经网络的一个已知的局限性.
- 在高分辨率的TEM中识别未发行图像是具有挑战性的,因为特征变化有限.
研究的目的:
- 调查元数据特征对神经网络性能对TEM中纳米粒子细分的影响.
- 评估神经网络在不同成像和材料参数上的概括性.
主要方法:
- 使用精选的纳米粒子高分辨率TEM图像数据集进行神经网络的培训和验证.
- 数据集包括放大,剂量,纳米粒子直径和纳米粒子材料的变化.
- 分析元数据特征如何影响概括和稳定性的分析.
主要成果:
- 神经网络在不同的显微镜参数 (例如,放大,剂量) 中表现出不良的稳定性.
- 在某些样本参数 (例如,纳米粒子直径,材料) 中观察到泛化.
- 数据预处理步骤可能无意中影响神经网络的概括能力.
结论:
- 在TEM分析中,元数据特征的选择显著影响神经网络的性能.
- 当前的神经网络对显微镜成像条件的变化没有强度.
- 了解数据集特征对于在纳米材料表征中有效部署数据驱动算法至关重要.
