量化高分辨透射电子显微镜中神经网络分割的噪声限制
材料科学
2023-09-26 v2
摘要
受低电子剂量透射电子显微镜成像需求的驱动,我们报告了用于神经网络目标检测与分割任务的最优帧剂量(即)范围。MSD-net架构在泛化到低于训练集所含范围的帧剂量时,对模拟与实验图像均展现出优于行业标准U-net架构的潜力。它还表现出从更低剂量图像学习的更强能力。MSD-net在20-30 下对Au纳米颗粒有轻微可见性,并在200 处收敛,此时实现了纳米颗粒的完整分割。在30至200 之间,目标检测应用仍可行。本工作还凸显了在使用基于闪烁体探测器(如Gatan Oneview相机)获取的图像进行模拟图像训练时,对调制传递函数建模的重要性。我们采用了具有不同参数范围的调制传递函数参数化形式,并给出了其对低电子剂量分割的影响。
引用
@article{arxiv.2302.12629,
title = {Quantifying Noise Limitations of Neural Network Segmentations in High-Resolution Transmission Electron Microscopy},
author = {Matthew Helmi Leth Larsen and William Bang Lomholdt and Cuauhtemoc Nuñez Valencia and Thomas W. Hansen and Jakob Schiøtz},
journal= {arXiv preprint arXiv:2302.12629},
year = {2023}
}
备注
Revised version: Numerous clarifications and improvements