使用光束倾斜测量和使用环境细胞观察中的深度学习来减少膜衍生的噪声

科学领域:

• 材料科学 材料科学 材料科学
• 显微镜的使用方法
• 人工智能的人工智能

背景情况:

• 电子显微镜中的环境细胞允许在液态或气态阶段观察纳米材料.
• 无形化膜对环境细胞至关重要,但引入图像噪声.
• 这种噪音降低了图像质量,限制了详细分析.

研究的目的:

• 开发和评估一种深度学习方法,以减少环境噪音.
• 改进从环境细胞获得的图像的信号噪声比.
• 为了在环境单元中实现高分辨率的观测,以前只能在真空中进行.

主要方法:

• 使用了Noise2Noise深度学习算法.
• 将该方法应用于一系列带有轻微电子束倾斜的传输电子显微镜图像.
• 专注于消除源自无形化膜的噪声.

主要成果:

• 成功消除了环境细胞膜产生的噪声.
• 在细胞内保存了关于观察到的样本的关键信息.
• 有效地减少了波桑噪声,进一步提高了图像清晰度.

结论:

• 拟议的深度学习方法显著提高了环境细胞电子显微镜中的图像质量.
• 这种技术可方便在液体和气体环境中进行高信号噪声比测量.
• 它扩大了电子显微镜在in-situ纳米材料研究中的功能.