撰稿：蔡淼

近日，來自麻省理工學院的George Barbastathis團隊，報告了一種能夠在縮減掃描角度的情況下，通過深度學習的方法，快速實現納米尺寸下的三維成像的方案。這一研究成果對三維成像技術的進一步發展具有極高的學術與應用價值。

該文章發表在eLight，題為“Three-dimensional nanoscale Reduced-Angle Ptycho-tomographic Imaging with Deep learning (RAPID)”。Ziling Wu為論文的第一作者與通訊作者，George Barbastathis為論文的共同通訊作者。

納米尺度的三維成像對生物學和材料動力學研究具有極其重要的意義，包括探查病毒功能，結構損傷，納米電子學等。一種常見的納米尺度三維成像方案是破壞性地操作，即固定化樣品，用粒子束精細蝕刻頂層，用掃描電子顯微鏡或類似的高分辨率方法對顯示的特征成像，并重復這個過程，直到整個樣品體積被消耗。然而，在許多應用中，我們更需要非破壞性成像，因此斷層掃描成像技術應運而生。

然而，斷層掃描成像技術面臨著兩個主要的瓶頸：

1、是隨著特征尺寸接近其輻射波長，衍射和散射效應對圖像保真度的影響也隨之增大；

2、宏觀體積內的可分辨三維元素（體素）的數量會變得非常大。

隨著我們對分辨率需求的提升，納米尺度上的三維斷層成像也變得更加具有挑戰性。因此，如果能找到一種成像方案，有效解決這兩個問題，并同時實現高速的納米尺度的三維成像，無疑對于生物學、材料學等學科的研究具有極其重要的作用。

對于納米尺寸下的非破壞性三維成像，硬X射線是最理想的光源之一，因為它們同時具有長穿透深度和短波長。在納米尺度的情況下，X射線斷層掃描通常是通過疊層掃描（ptychography）尋找復雜的場，然后再進行斷層掃描。這種組合方案也被稱為疊層X射線斷層成像（ptycho-tomography）。

疊層X射線斷層成像的圖像重建過程包含兩個步驟：首先使用相位恢復算法從遠場衍射圖案中檢索二維投影，然后實施層析重建以從中恢復三維對象的實部和/或虛部。然而，這需要大量的數據冗余，通常會導致采集和處理時間較長。

本研究在計算上結合了疊層和斷層成像重建過程，以提高在有限角度數據采集情況下的圖像重建質量。研究團隊利用深度神經網絡（Deep Neural Network, DNN），成功縮減了疊層X射線斷層成像中所需的角度范圍，并且提升了成像速度，減少了計算的時間需求（圖1）。

圖1：成像方案示意圖。（a）通過轉移與旋轉掃描來收集衍射模式數據的縮減角度的層析成像實驗。原始衍射模式經過預處理后作為預訓練網絡的輸入，并獲得重建三維分布作為最終輸出。（b）網絡訓練過程。從縮減角度的層析成像實驗中獲取的衍射模式已進行預處理，以作為網絡輸入，并采用常規方法來生成高分辨率的黃金標準（golden standard，GS）作為用于訓練深度神經網絡（DNN）的真實信息。

圖2：對于相同的測試體，不同掃描策略之間的定量比較

圖3：RAPID成像方案在Nθ=21個角度，成像角度在θ=140.8°范圍內的條件下進行成像及與其他方案的定量比較

同時，由于傳統的DNN結構在訓練過程中可能引入過多的參數，研究團隊在DNN網絡結構中進一步采用了不同結構的空洞卷積模塊，有效的解決了這一問題（圖4）。

圖4：不同網絡架構的重建結果之間的定量和定性比較

這一研究成果為納米尺度下的三維成像技術的進一步發展，提供了新的思路，并且對生物成像，材料學研究等領域，都具有極其重要的作用。

| 論文信息 |

Wu, Z., Kang, I., Yao, Y. et al. Three-dimensional nanoscale reduced-angle ptycho-tomographic imaging with deep learning (RAPID). eLight 3, 7 (2023). 

https://doi.org/10.1186/s43593-022-00037-9

閱讀原文