学习用于未知探针X射线叠层衍射重建的神经表示
计算机视觉与模式识别
2025-09-05 v1
摘要
X射线叠层衍射术提供了卓越的纳米级分辨率，并广泛应用于材料科学、生物学和纳米技术。然而，当照明探针未知时，准确重建图像的关键挑战限制了其全部潜力。传统的迭代方法和深度学习方法通常是次优的，特别是在低剂量和高速实验固有的低信号条件下。这些限制损害了重建保真度，并限制了该技术的更广泛应用。在这项工作中，我们引入了叠层衍射隐式神经表示（PtyINR），这是一个自监督框架，同时解决了物体和探针恢复问题。通过将两者参数化为连续的神经表示，PtyINR直接从原始衍射图样执行端到端重建，无需任何探针的预先表征。广泛的评估表明，PtyINR在模拟和实验数据上均实现了优越的重建质量，并在具有挑战性的低信号条件下表现出显著的鲁棒性。此外，PtyINR为解决依赖探针的逆问题提供了一个可推广的、物理信息驱动的框架，使其适用于广泛的计算显微成像问题。
引用
@article{arxiv.2509.04402,
title = {Learning neural representations for X-ray ptychography reconstruction with unknown probes},
author = {Tingyou Li and Zixin Xu and Zirui Gao and Hanfei Yan and Xiaojing Huang and Jizhou Li},
journal= {arXiv preprint arXiv:2509.04402},
year = {2025}
}