RT journal article T1 Developing and Evaluating Deep Neural Network-based Denoising for Nanoparticle TEM Images with Ultra-low Signal-to-Noise A1 Vincent, Joshua L. A1 Manzorro Ureba, Ramón A1 Mohan, Sreyas A1 Tang, Binh A1 Sheth, Dev Y. A1 Simoncelli, Eero P. A1 Matteson, David S. A1 Fernández-Granda, Carlos A1 Crozier, Peter A. A2 Ciencia de los Materiales e Ingeniería Metalúrgica y Química Inorgánica K1 convolutional neural network K1 deep learning K1 denoising K1 nanoparticles K1 noisy K1 TEM AB 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. PB Oxford University Press SN 1435-8115 YR 2021 FD 2021-12-01 LK http://hdl.handle.net/10498/34709 UL http://hdl.handle.net/10498/34709 LA eng DS Repositorio Institucional de la Universidad de Cádiz RD 19-nov-2026