一种基于深度学习概念的 Ptychography 参数精修方法
图像与视频处理
2021-10-20 v2 计算机视觉与模式识别
数值分析
数值分析
摘要
X 射线 Ptychography 是一种先进的计算显微技术，可对生物与纳米技术样品进行极细致的定量成像。然而，传播距离的参数粗化、位置误差与部分相干性常威胁实验的可行性。本工作中我们正式引入这些影响因素，将整个重建表述为优化问题。利用现代深度学习框架自主校正装置的不一致性，从而提升 ptychography 重建的质量。自动流程对于缩短可靠分析时间确属关键，这对所有使用该显微技术的领域均有显著影响。我们在软件框架 SciComPty 中实现了算法，并以开源形式发布。我们在合成数据集以及 Elettra 同步辐射装置 TwinMic 光束线获取的真实数据上测试了系统。
引用
@article{arxiv.2105.08058,
title = {A parameter refinement method for Ptychography based on Deep Learning concepts},
author = {Francesco Guzzi and George Kourousias and Fulvio Billè and Roberto Pugliese and Alessandra Gianoncelli and Sergio Carrato},
journal= {arXiv preprint arXiv:2105.08058},
year = {2021}
}