• 文献检索
  • 文档翻译
  • 深度研究
  • 学术资讯
  • Suppr Zotero 插件Zotero 插件
  • 邀请有礼
  • 套餐&价格
  • 历史记录
应用&插件
Suppr Zotero 插件Zotero 插件浏览器插件Mac 客户端Windows 客户端微信小程序
定价
高级版会员购买积分包购买API积分包
服务
文献检索文档翻译深度研究API 文档MCP 服务
关于我们
关于 Suppr公司介绍联系我们用户协议隐私条款
关注我们

Suppr 超能文献

核心技术专利：CN118964589B侵权必究
粤ICP备2023148730 号-1Suppr @ 2026

文献检索

告别复杂PubMed语法，用中文像聊天一样搜索，搜遍4000万医学文献。AI智能推荐，让科研检索更轻松。

立即免费搜索

文件翻译

保留排版，准确专业，支持PDF/Word/PPT等文件格式，支持 12+语言互译。

免费翻译文档

深度研究

AI帮你快速写综述，25分钟生成高质量综述，智能提取关键信息，辅助科研写作。

立即免费体验

实时相干衍射成像中的深度神经网络。

Deep neural networks in real-time coherent diffraction imaging.

作者信息

Harder Ross

机构信息

Advanced Photon Source, Argonne National Laboratory, Argonne, IL 60439, USA.

出版信息

IUCrJ. 2021 Jan 1;8(Pt 1):1-3. doi: 10.1107/S2052252520016590.

DOI:10.1107/S2052252520016590
PMID:33520237
原文链接:https://pmc.ncbi.nlm.nih.gov/articles/PMC7793000/
Abstract

The potential for convolutional neural networks to provide real-time imaging capabilities for coherent diffraction imaging experiments at XFELs is discussed.

摘要

讨论了卷积神经网络为X射线自由电子激光相干衍射成像实验提供实时成像能力的潜力。

https://cdn.ncbi.nlm.nih.gov/pmc/blobs/1da0/7793000/61c7cd54439e/m-08-00001-fig2.jpg
https://cdn.ncbi.nlm.nih.gov/pmc/blobs/1da0/7793000/e738c1c7b9d7/m-08-00001-fig1.jpg
https://cdn.ncbi.nlm.nih.gov/pmc/blobs/1da0/7793000/61c7cd54439e/m-08-00001-fig2.jpg
https://cdn.ncbi.nlm.nih.gov/pmc/blobs/1da0/7793000/e738c1c7b9d7/m-08-00001-fig1.jpg
https://cdn.ncbi.nlm.nih.gov/pmc/blobs/1da0/7793000/61c7cd54439e/m-08-00001-fig2.jpg

相似文献

1
Deep neural networks in real-time coherent diffraction imaging.实时相干衍射成像中的深度神经网络。
IUCrJ. 2021 Jan 1;8(Pt 1):1-3. doi: 10.1107/S2052252520016590.
2
Complex imaging of phase domains by deep neural networks.利用深度神经网络对相域进行复杂成像。
IUCrJ. 2021 Jan 1;8(Pt 1):12-21. doi: 10.1107/S2052252520013780.
3
Robust contrast-transfer-function phase retrieval via flexible deep learning networks.基于灵活深度学习网络的稳健对比度传递函数相位恢复。
Opt Lett. 2019 Nov 1;44(21):5141-5144. doi: 10.1364/OL.44.005141.
4
Using convolutional neural network denoising to reduce ambiguity in X-ray coherent diffraction imaging.利用卷积神经网络去噪减少X射线相干衍射成像中的模糊性。
J Synchrotron Radiat. 2024 Sep 1;31(Pt 5):1340-1345. doi: 10.1107/S1600577524006519. Epub 2024 Aug 5.
5
Real-time coherent diffraction inversion using deep generative networks.利用深度生成网络进行实时相干衍射反演。
Sci Rep. 2018 Nov 8;8(1):16520. doi: 10.1038/s41598-018-34525-1.
6
Physics constrained unsupervised deep learning for rapid, high resolution scanning coherent diffraction reconstruction.用于快速、高分辨率扫描相干衍射重建的物理约束无监督深度学习
Sci Rep. 2023 Dec 21;13(1):22789. doi: 10.1038/s41598-023-48351-7.
7
Sorting algorithms for single-particle imaging experiments at X-ray free-electron lasers.用于X射线自由电子激光单粒子成像实验的排序算法。
J Synchrotron Radiat. 2015 Nov;22(6):1345-52. doi: 10.1107/S1600577515017348. Epub 2015 Oct 22.
8
Utilizing broadband X-rays in a Bragg coherent X-ray diffraction imaging experiment.在布拉格相干X射线衍射成像实验中使用宽带X射线。
J Synchrotron Radiat. 2016 Sep 1;23(Pt 5):1241-4. doi: 10.1107/S1600577516010523. Epub 2016 Jul 26.
9
Scalable 3D Reconstruction From Single Particle X-Ray Diffraction Images Based on Online Machine Learning.基于在线机器学习的单粒子X射线衍射图像的可扩展3D重建
ArXiv. 2023 Dec 22:arXiv:2312.14432v1.
10
The influence of strain on image reconstruction in Bragg coherent X-ray diffraction imaging and ptychography.应变对布拉格相干X射线衍射成像和叠层成像中图像重建的影响。
J Synchrotron Radiat. 2021 Jul 1;28(Pt 4):1159-1165. doi: 10.1107/S160057752100477X. Epub 2021 Jun 1.

引用本文的文献

1
Prospects for coherent X-ray diffraction imaging at fourth-generation synchrotron sources.第四代同步辐射光源下相干X射线衍射成像的前景。
IUCrJ. 2025 May 1;12(Pt 3):280-287. doi: 10.1107/S2052252525001526.
2
Deep learning at the edge enables real-time streaming ptychographic imaging.边缘深度学习实现实时流式叠层成像。
Nat Commun. 2023 Nov 3;14(1):7059. doi: 10.1038/s41467-023-41496-z.
3
Investigating the robustness of a deep learning-based method for quantitative phase retrieval from propagation-based x-ray phase contrast measurements under laboratory conditions.

本文引用的文献

1
Complex imaging of phase domains by deep neural networks.利用深度神经网络对相域进行复杂成像。
IUCrJ. 2021 Jan 1;8(Pt 1):12-21. doi: 10.1107/S2052252520013780.
2
Limited angle tomography for transmission X-ray microscopy using deep learning.基于深度学习的透射 X 射线显微镜有限角度断层成像技术。
J Synchrotron Radiat. 2020 Mar 1;27(Pt 2):477-485. doi: 10.1107/S160057752000017X. Epub 2020 Feb 13.
3
Using a machine learning approach to determine the space group of a structure from the atomic pair distribution function.使用机器学习方法从原子对分布函数确定结构的空间群。
在实验室条件下，基于传播的 X 射线相衬测量，研究基于深度学习的定量相位恢复方法的稳健性。
Phys Med Biol. 2023 Apr 3;68(8). doi: 10.1088/1361-6560/acc2aa.
Acta Crystallogr A Found Adv. 2019 Jul 1;75(Pt 4):633-643. doi: 10.1107/S2053273319005606. Epub 2019 Jun 26.
4
Real-time coherent diffraction inversion using deep generative networks.利用深度生成网络进行实时相干衍射反演。
Sci Rep. 2018 Nov 8;8(1):16520. doi: 10.1038/s41598-018-34525-1.
5
Three-dimensional mass density mapping of cellular ultrastructure by ptychographic X-ray nanotomography.通过叠层X射线纳米断层扫描对细胞超微结构进行三维质量密度映射。
J Struct Biol. 2015 Dec;192(3):461-469. doi: 10.1016/j.jsb.2015.10.008. Epub 2015 Oct 22.
6
Three-dimensional imaging of dislocation propagation during crystal growth and dissolution.晶体生长和溶解过程中位错传播的三维成像。
Nat Mater. 2015 Aug;14(8):780-784. doi: 10.1038/nmat4320. Epub 2015 Jun 1.
7
Phase retrieval algorithms: a comparison.相位恢复算法：比较
Appl Opt. 1982 Aug 1;21(15):2758-69. doi: 10.1364/AO.21.002758.
8
Three-dimensional mapping of a deformation field inside a nanocrystal.纳米晶体内变形场的三维映射
Nature. 2006 Jul 6;442(7098):63-6. doi: 10.1038/nature04867.