Multi-Angle Plasma Focused Ion Beam (FIB) Curtaining Artifact Correction Using a Fourier-Based Linear Optimization Model
Notice bibliographique
Résumé
We present a flexible linear optimization model for correcting multi-angle curtaining effects in plasma focused ion beam scanning electron microscopy (PFIB-SEM) images produced by rocking-polishing schemes. When PFIB-SEM is employed in a serial sectioning tomography workow, it is capable of imaging large three-dimensional volumes quickly, providing rich information in the critical 10-100 nm feature length scale. During tomogram acquisition, a "rocking polish" is often used to reduce straight-line "curtaining" gradations in the milled sample surface. While this mitigation scheme is effective for deep curtains, it leaves shallower line artifacts at two discretized angles. Segmentation and other automated processing of the image set requires that these artifacts be corrected for accurate microstructural quantification. Our work details a new Fourier-based linear optimization model for correcting curtaining artifacts by targeting curtains at two discrete angles. We demonstrate its capabilities by processing images from a tomogram from a multiphase, heterogeneous concrete sample. We present methods for selecting the parameters which meet the user's goals most appropriately. Compared to previous works, we show that our model provides effective multi-angle curtain correction without introducing artifacts into the image, modifying non-curtain structures or causing changes to the contrast of voids. Our algorithm can be easily parallelized to take advantage of multi-core hardware.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».