基于深度学习辅助信息恢复的 0.71 埃分辨率电子断层成像
材料科学
2020-03-30 v1 图像与视频处理
应用物理
仪器与探测器
摘要
电子断层成像作为一种重要的三维成像方法，为从纳米到原子尺度探测材料三维结构提供了有力手段。然而，纳米尺度样品的辐射不耐受性以及缺失楔引起的信息丢失与伪影这一重大挑战，极大阻碍了我们获取高保真三维原子结构。本文首次通过将生成对抗模型与最先进网络架构相结合，证明电子断层成像分辨率可提升至 0.71 埃，这是迄今报道的最高三维成像分辨率。我们还表明，仅采集 -50 至 +50 度数据（相较于 -90 至 +90 度全倾角序列减少 44% 剂量）即可恢复重建断层图中的丢失信息并去除伪影。与传统方法相比，该深度学习模型对宏观物体与原子特征均表现出优异性能，解决了电子断层成像中长期存在的剂量与缺失楔问题。我们的工作为机器学习方法在断层成像中的应用提供了重要指导，并为其于其他三维成像技术中的应用带来启示。
引用
@article{arxiv.2003.12259,
title = {0.71-{\AA} resolution electron tomography enabled by deep learning aided information recovery},
author = {Chunyang Wang and Guanglei Ding and Yitong Liu and Huolin L. Xin},
journal= {arXiv preprint arXiv:2003.12259},
year = {2020}
}