基于深度学习的纳米三维快速成像

       纳米尺度上的三维(3D)成像是生物学、材料学领域一种重要的研究手段，比如病毒探测、纳米电子等。成像过程中，研究人员一般会把标本固定住，然后用离子束对其顶层进行精细刻蚀，最后用扫描电子显微镜或类似的高分辨率方法对目标成像，并重复这一过程，直到整个标本被消耗掉，因此这种方法是有损成像。然而，随着科技的发展，人们对成像技术的要求越来越高，非破损成像是非常有必要的，因此，一种称之为断层扫描的方法逐渐受到学术界的广泛青睐。

       近日，麻省理工学院Ziling Wu所带领的研究团队研发了一种新的3D成像方法，该成果以“Three-dimensional nanoscale reduced-angle ptycho-tomographic imaging with deep learning (RAPID)”为题发表在eLight 上（ DOI: 10.1186/s43593-022-00037-9 ）。

图 RAPID框架示意图。（a）通过平移和旋转扫描收集衍射图案测量的投影层析实验。对原始衍射图进行预处理，生成近似作为预训练网络的输入，并获得体积分布作为最终输出。（b）网络训练过程。对投影层析成像获得的衍射图进行预处理，得到近似值作为网络输入，并采用两步常规方法生成高分辨率黄金标准(GS)作为训练深度神经网络的基础真值。

       集成电路(IC)在制造过程中的验证、失效分析、产品检测等流程对成像有着较高的需求，而且由于摩尔定律的存在，3D IC成像的挑战随着时间的推移而增长。另外，研究IC的3D成像实用型比较强。

       对于纳米级的非破坏性3D IC成像而言，x射线是一种理想的探针，因为它的波长短，穿透深度较深。然而，与医学x射线断层成像不同的是，它一般根据投影的强度进行操作，在纳米尺度的情况下，通常首先通过平面成像寻找复杂的场，然后再进行断层摄影。这种组合方案也被称为x射线体表断层扫描(ptycho-tomography)。这样做有多个原因，比如，如果投影近似仍然适用，那么科研究人员可以并行进行两次断层分析重建。大多数材料的相位变化比它们各自的吸收变化大10倍。

       x射线体表断层扫描重建的顺序与实验步骤相同，都分为两步。首先，使用相位检索算法从远场衍射图中检索二维投影，然后，实现层析重建以从二维投影中恢复三维物体的实部或虚部。

       包括集成电路成像、微观生物成像和材料性质研究（断裂、渗透和水化）在内的应用都已经成功利用该技术实现。然而，平面成像和断层成像都需要大量的数据冗余，通常会导致较长的采集和处理时间。

       减少采集时间的一种方法是使用高精度扫描仪，它可以与高效扫描方案和高扫描速度兼容，提高工作效率。另一种方法是减少断层扫描中的数据冗余要求，但这样会导致随着数据的减少，传统的重建算法可能会使保真度降低。

      伴随着监督学习方法引起人们对新数据和未见数据的泛化能力的关注。研究人员提出了一种在样本子集上进行训练的新方案，其中可以使用一种可靠但比较缓慢的替代方法来获得目标数据，然后在样本的其余部分使用训练网络，由此大大加快了整个操作。研究人员称，该方法对集成电路或其他大型3D样品很有吸引力。