BraggNN：基于深度学习的快速 X 射线布拉格峰分析
图像与视频处理
2021-06-04 v2 机器学习
摘要
基于 X 射线衍射的显微技术（如高能衍射显微术）依赖于高精度地获知衍射峰的位置。这些位置通常通过将从面探测器数据中的观测强度拟合到理论峰形（如伪 Voigt）来计算。随着实验变得愈发复杂且探测器技术不断发展，此类峰检测与形状拟合的计算成本成为原位实验实时反馈所需快速分析的最大障碍。为此，我们提出 BraggNN，一种基于深度学习的方法，能比传统伪 Voigt 峰拟合更快速地确定峰位置。当应用于测试数据集时，相对于常规方法，BraggNN 对 75% 和 95% 的峰分别给出小于 0.29 和 0.57 像素的误差。当应用于真实实验数据集时，使用 BraggNN 计算的峰位置进行的 3D 重建，相比使用常规 2D 伪 Voigt 拟合确定峰位置的重建平均结果优 15%。深度学习方法的实现与专用模型推理加速器的最新进展使 BraggNN 相较常规方法获得巨大性能提升，例如在消费级 GPU 卡上以开箱即用软件运行比常规方法快 200 倍以上。
引用
@article{arxiv.2008.08198,
title = {BraggNN: Fast X-ray Bragg Peak Analysis Using Deep Learning},
author = {Zhengchun Liu and Hemant Sharma and Jun-Sang Park and Peter Kenesei and Antonino Miceli and Jonathan Almer and Rajkumar Kettimuthu and Ian Foster},
journal= {arXiv preprint arXiv:2008.08198},
year = {2021}
}