Maschinelles Lernen hilft der Elektronenmikroskopie
Maschinelles Lernen soll uns heutzutage bei allem helfen, warum also nicht die Elektronenmikroskopie? Genau das hat ein irisches Team getan und seine Ergebnisse mithilfe von maschinellem Lernen zur Verbesserung der STEM – Rastertransmissionselektronenmikroskopie – veröffentlicht. Das Ergebnis ist wichtig, da es auf einen ganz bestimmten Anwendungsfall abzielt: niedrig dosiertes STEM.
Das Problem ist, dass man normalerweise hohe Elektronendosen verwenden muss, um hohe Auflösungen zu erhalten. Das Beschießen eines empfindlichen, oft biologischen Objekts mit hochenergetischen Elektronen kann jedoch das, was Sie betrachten, verändern und die Probe beschädigen. Die Verwendung reduzierter Elektronendosen führt jedoch aufgrund von Poisson-Rauschen zu einem schlechten Bild. Die neue Technik lernt, Rauschen zu kompensieren und selbst bei niedriger Dosis ein Bild mit höherer Qualität zu erzeugen.
Die Verarbeitung erfordert kein menschliches Eingreifen und ist schnell genug, um in Echtzeit zu arbeiten. Es fällt uns schwer, die winzigen Merkmale der im Artikel gezeigten Scans zu interpretieren, aber Sie können sehen, dass der standardmäßige Gauß-Filter nicht so gut funktioniert. Ursprungspunkte werden nach dem Filtern "fett" angezeigt. Die neue Technik hebt die winzigen Punkte hervor und reduziert das Rauschen zwischen ihnen. Es ist eines der Dinge, die ein Mensch so einfach machen kann, aber herkömmliche Computertechniken liefern nicht immer großartige Ergebnisse.
Sie fragen sich bestimmt, welche andere Signalverarbeitung durch maschinelles Lernen verbessert werden könnte. Natürlich möchten Sie sicherstellen, dass Sie keine Daten erfinden, die nicht existieren. Es wäre nicht hilfreich, einem CT-Scan-Computer beizubringen, dass jeder eine teure Operation benötigt. Das würde niemals passieren, oder?
Bei Elektronikarbeiten verwenden wir normalerweise ein SEM, das Sekundärelektronenemissionen erkennt, da es schwierig ist, ein Elektron durch eine elektronische Komponente zu projizieren. Aber STEM ist eine coole Technologie, die sogar die Schatten von Atomen zeigen kann. Wir hoffen immer noch, dass jemand ein leicht zu reproduzierendes Homebrew-Design entwickelt, aber bis jetzt ist es noch ein ziemlich langer Weg, ein Elektronenmikroskop in Ihr Heimlabor zu bringen.
Maschinelles Lernen soll uns heutzutage bei allem helfen, warum also nicht die Elektronenmikroskopie? Genau das hat ein irisches Team getan und seine Ergebnisse mithilfe von maschinellem Lernen zur Verbesserung der STEM – Rastertransmissionselektronenmikroskopie – veröffentlicht. Das Ergebnis ist wichtig, da es auf einen ganz bestimmten Anwendungsfall abzielt: niedrig dosiertes STEM.
Das Problem ist, dass man normalerweise hohe Elektronendosen verwenden muss, um hohe Auflösungen zu erhalten. Das Beschießen eines empfindlichen, oft biologischen Objekts mit hochenergetischen Elektronen kann jedoch das, was Sie betrachten, verändern und die Probe beschädigen. Die Verwendung reduzierter Elektronendosen führt jedoch aufgrund von Poisson-Rauschen zu einem schlechten Bild. Die neue Technik lernt, Rauschen zu kompensieren und selbst bei niedriger Dosis ein Bild mit höherer Qualität zu erzeugen.
Die Verarbeitung erfordert kein menschliches Eingreifen und ist schnell genug, um in Echtzeit zu arbeiten. Es fällt uns schwer, die winzigen Merkmale der im Artikel gezeigten Scans zu interpretieren, aber Sie können sehen, dass der standardmäßige Gauß-Filter nicht so gut funktioniert. Ursprungspunkte werden nach dem Filtern "fett" angezeigt. Die neue Technik hebt die winzigen Punkte hervor und reduziert das Rauschen zwischen ihnen. Es ist eines der Dinge, die ein Mensch so einfach machen kann, aber herkömmliche Computertechniken liefern nicht immer großartige Ergebnisse.
Sie fragen sich bestimmt, welche andere Signalverarbeitung durch maschinelles Lernen verbessert werden könnte. Natürlich möchten Sie sicherstellen, dass Sie keine Daten erfinden, die nicht existieren. Es wäre nicht hilfreich, einem CT-Scan-Computer beizubringen, dass jeder eine teure Operation benötigt. Das würde niemals passieren, oder?
Bei Elektronikarbeiten verwenden wir normalerweise ein SEM, das Sekundärelektronenemissionen erkennt, da es schwierig ist, ein Elektron durch eine elektronische Komponente zu projizieren. Aber STEM ist eine coole Technologie, die sogar die Schatten von Atomen zeigen kann. Wir hoffen immer noch, dass jemand ein leicht zu reproduzierendes Homebrew-Design entwickelt, aber bis jetzt ist es noch ein ziemlich langer Weg, ein Elektronenmikroskop in Ihr Heimlabor zu bringen.
What's Your Reaction?
