深度学习驱动的扫描超透镜显微镜的转换为高深度场景的SEM类成像
Hui Sun1,2, Hao Luo3,4, Feifei Wang5
1Department of Mechanical Engineering, City University of Hong Kong, Hong Kong SAR, China.
我们开发了一种深度学习方法,将光学超分辨率显微镜图像转换为用于芯片检查的SEM类图像. 这种技术绕过了真空和涂层的要求,增强了纳米尺度成像,用于先进的制造.
科学领域:
- 材料科学 材料科学 材料科学
- 纳米技术 纳米技术
- 计算机科学 计算机科学
背景情况:
- 扫描电子显微镜 (SEM) 提供纳米级成像,但需要真空和样品涂层.
- 光学超分辨率 (OSR) 显微镜为某些应用提供了替代方案,但缺乏SEM的分辨率和对比度.
- 现有的方法很难弥合OSR和SEM之间的分辨率和细节差距,例如微芯片等复杂样品.
研究的目的:
- 开发一种深度学习方法,将OSR图像转化为类似于SEM的图像.
- 克服SEM的局限性,例如真空和涂层要求,用于芯片样本的纳米级成像.
- 使用OSR和AI增强芯片样本中纳米级微结构的可视化.
主要方法:
- 使用定制扫描超透镜显微镜 (SSUM) 系统获取了具有80nm分辨率和2μm深度场的OSR图像.
- 一个循环一致的生成对抗网络 (CycleGAN) 被训练在配对的OSR和SEM图像上.
- 经过训练的CycleGAN模型应用于晶片样本的OSR图像,以生成类似于SEM的重建.
主要成果:
- SSUM系统能够在没有真空或涂层的情况下进行OSR成像,可视化多层芯片结构.
- 深度学习算法在OSR图像中增强了纳米级细节,提高了可见性.
- 重建的图像显示,与输入的OSR图像相比,平均峰值信号噪声比率 (PSNR) 增加了1.64dB.
- 质量评估证实,生成的类似于SEM的图像具有很高的结构细节,适合芯片级应用.
结论:
- 基于深度学习的OSR转换为SEM类图像克服了关键的SEM限制,同时保持了纳米级分辨率.
- 这种技术为先进的芯片制造和检查提供了有希望的替代方案,特别是在SEM约束有问题的地方.
- 结合SSUM和深度学习的方法为半导体分析提供了增强的纳米级成像能力.
更多相关视频
10:41Confocal and Super-Resolution Imaging of Polarized Intracellular Trafficking and Secretion of Basement Membrane Proteins During Drosophila Oogenesis
Published on: May 19, 2022
08:04Preparation and Observation of Thick Biological Samples by Scanning Transmission Electron Tomography
Published on: March 12, 2017
相关概念视频
Super-resolution Fluorescence Microscopy
Confocal Fluorescence Microscopy
Scanning Electron Microscopy
Fundamental Principles
Accelerated...
Three-Dimensional Microscopy in Microbiology
Overview of Microscopy Techniques
Imaging Biological Samples with Optical Microscopy
In optical microscopy, the specimen to be viewed is placed on a glass slide and clipped on the stage...
