Developing and Evaluating Deep Neural Network-based Denoising for Nanoparticle TEM Images with Ultra-low Signal-to-Noise

Identificadores
URI: http://hdl.handle.net/10498/34709
DOI: 10.1017/S1431927621012678
ISSN: 1435-8115
ISSN: 1431-9276
Statistics
Metrics and citations
Metadata
Show full item recordDate
2021-12-01Department
Ciencia de los Materiales e Ingeniería Metalúrgica y Química InorgánicaSource
Microscopy and Microanalysis, 2021- vol.27 n.6 pp.1431-1447Abstract
Se ha desarrollado una red neuronal convolucional profunda para eliminar el ruido de conjuntos de datos de imágenes de microscopía electrónica de transmisión con resolución atómica de nanopartículas adquiridas utilizando detectores de conteo directo de electrones, para aplicaciones en las que la señal de la imagen está severamente limitada por el ruido de disparo. La red se aplicó a un sistema modelo de nanopartículas de Pt soportadas sobre CeO2. Aprovechamos simulaciones de imágenes multislice para generar un conjunto de datos amplio y flexible para entrenar la red. La red propuesta supera a los métodos de eliminación de ruido de vanguardia tanto en datos de prueba simulados como experimentales. Se identifican los factores que contribuyen al rendimiento, incluyendo (a) la geometría de las imágenes utilizadas durante el entrenamiento y (b) el tamaño del campo receptivo de la red. A través de un análisis basado en gradientes, investigamos los mecanismos que la red ha aprendido para eliminar el ruido de las imágenes experimentales. Esto muestra que la red explota tanto información extendida como local en las mediciones ruidosas, por ejemplo, adaptando su enfoque de filtrado cuando encuentra defectos a nivel atómico en la superficie de la nanopartícula. Se ha realizado un análisis exhaustivo para caracterizar la capacidad de la red de predecir correctamente la estructura atómica exacta en la superficie de la nanopartícula. Finalmente, desarrollamos un enfoque basado en la prueba de razón de verosimilitudes logarítmicas que proporciona una medida cuantitativa del acuerdo entre la observación ruidosa y la estructura a nivel atómico en la imagen denoizada por la red.
Subjects
convolutional neural network; deep learning; denoising; nanoparticles; noisy; TEMCollections
- Artículos Científicos [12059]






