RAPID成像提供了许多深度学习的机会

拟议的RAPID框架示意图。a 减角ptycho-tomography实验，通过平移和旋转扫描收集衍射图案测量。原始衍射图案被预处理以产生近似值，作为预训练网络的输入，并获得体积分布作为最终输出。从缩小角度的ptycho-tomography获得的衍射图案被预处理以获得近似值作为网络输入，并采用两步常规方法生成高分辨率的黄金标准（GS）作为训练DNN的基础事实。资料来源：eLight（2023）。DOI: 10.1186/s43593-022-00037-9

纳米尺度的三维（3D）成像使人们能够对生物学和材料行为有重要的了解，包括病毒功能、结构损伤和纳米电子学。

一种方法是以破坏性的方式进行。研究人员将固定他们的标本，用粒子束精细地蚀刻顶层，用扫描电子显微镜或类似的高分辨率方法对揭示的特征进行成像，并重复这一过程，直到整个标本体积被消耗掉。然而，在许多情况下，最好是以非破坏性的方式进行操作，那么就需要一种断层扫描的形式。

在发表于《eLight》的一篇新论文中，由麻省理工学院的吴子陵教授领导的一个科学家团队开发了一种新的三维成像重建方法。

该研究小组使用集成电路（IC）作为典范，因为它们带来了一些实际的便利。集成电路是刚性的，因此，不需要固定。它们在制造工艺验证、故障分析和假货检测方面也非常有用。另一方面，由于摩尔定律，三维集成电路成像的挑战随着时间的推移而增加。

对于纳米级的无损3D集成电路成像，硬X射线是理想的探针，因为它们的穿透深度长，波长短。然而，与医学X射线断层成像不同，它几乎总是在投影的强度上操作，在纳米尺度的情况下，通常是先通过ptychography寻求复合场，然后再做断层成像。这种组合方案也被称为X射线层析成像（ptycho-tomography）。

这样做有几个原因。例如，如果投影近似法仍然适用，那么科学家就可以并行地进行两次断层扫描重建。大多数材料表现出的相位变化比它们各自的吸收变化大10倍。

X射线层析成像的重建是按照与实验采集相同的顺序，分两步进行的。首先，使用相位检索算法从远场衍射图案中检索出二维投影，然后，实施断层扫描重建，从二维投影中恢复三维物体的实部和/或虚部。

许多应用已经成功地用这种两步法进行了演示。这些应用包括集成电路成像、微观生物体成像和材料特性研究，如断裂、渗透和水化。然而，层析成像和断层成像都要求数据有很大的冗余度，导致采集和处理时间普遍较长。

减少采集时间的一个方法是通过高精度扫描仪，可以可靠地使用高效的扫描方案和高扫描速度工作。减少ptycho-tomography中的数据冗余要求是加快数据采集的另一种方式，但会引入不理想的情况。然而，在数据减少的情况下，传统的重建算法很可能会产生假象和普遍的保真度损失。

监督学习方法往往是对新的和未见过的数据的概括能力的担忧。研究人员提出了一个策略，在样本的一个子集上进行训练，在这个子集上可以使用一个可信赖但非常缓慢的替代方法来获得基础真理；然后在样本的其余部分使用训练网络，大大加快了整个操作的速度。这种方法对集成电路或其他大型三维标本很有吸引力。

转移学习有可能减轻为新实验重新训练RAPID的工作。对于更一般的样本，如病毒和纳米颗粒，可能会有类似的性能，但很可能是以重新设计学习架构为代价。
 

更多资料

Ziling Wu et al, Three-dimensional nanoscale reduced-angle ptycho-tomographic imaging with deep learning (RAPID), eLight (2023). DOI: 10.1186/s43593-022-00037-9

本文由光电查搜集整理，未经同行评议，请自行判断可信度。仅供学习使用。