一个普遍的方法,在微小样本的FTIR分析中进行米散射校正

科学领域:

• 光学和光谱学,以及光学和光谱学.
• 机器学习应用 机器学习应用
• 材料科学 材料科学 材料科学

背景情况:

• 微波散射显著扭曲红外吸收光谱,使微观样本的分析复杂化.
• 从红外显微光谱学中准确地获取化学信息受到散射效应的阻碍.
• 对于逆Mie散射问题 (IMSP) 的现有解决方案通常是样本特定的.

研究的目的:

• 开发一种基于深度学习的通用方法,用于纠正红外光谱中的Mie散射.
• 为了使各种微观样品的精确化学表征,而没有先前对其吸收性质的知识.
• 为解决各种科学学科的IMSP提供可转移的框架.

主要方法:

• 开发了一种新的深度学习算法来解决反向Mie散射问题 (IMSP).
• 该方法使用各种现实世界样本进行了验证,包括微塑料珠,肺细胞和真菌.
• 使用不同的设置进行光谱测量,包括单探测器和焦平面阵列探测器.

主要成果:

• 深度学习方法证明了对各种样本类型的红外光谱的普遍适用性.
• 这种新方法有效地纠正了类似Mie的散射偏差,恢复了准确的光谱信息.
• 在真正的IMSP溶液附近发现了一种特征性的光谱扭曲,并用于有效选.

结论:

• 开发的深度学习方法为红外显微镜中Mie散射校正提供了通用解决方案.
• 这种方法可以快速检索未扭曲的红外光谱,这对于精确的化学分析至关重要.
• 该框架为各种科学领域的逆Mie散射问题提供了可转移的解决方案.