MétaCan
Menu
Retour à la cohorte
Enregistrement W3144990299 · doi:10.1364/oe.422214

Virtual depth-scan multi-slice ptychography for improved three-dimensional imaging

2021· article· en· W3144990299 sur OpenAlexaff
Zhenjiang Xing, Zijian Xu, Xiangzhi Zhang, Bo Chen, Zhi Guo, Jian Wang, Yong Wang, Renzhong Tai

Notice bibliographique

RevueOptics Express · 2021
Typearticle
Langueen
DomainePhysics and Astronomy
ThématiqueAdvanced X-ray Imaging Techniques
Établissements canadiensUniversity of Saskatchewan
Organismes subventionnairesMinistry of Science and Technology of the People's Republic of ChinaNational Natural Science Foundation of China
Mots-clésPtychographyOpticsSample (material)WaferResolution (logic)Computer scienceImage resolutionMaterials scienceArtificial intelligencePhysicsDiffractionOptoelectronics

Résumé

récupéré en direct d'OpenAlex

Multi-slice ptychography (MSP) is a fast three-dimensional ptychography technology developed on the basis of conventional ptychography. With this method, three-dimensional imaging can be achieved without rotating the sample. The prototype multi-slice algorithm can only reconstruct three-dimensional samples with a limited number of slices, which greatly limits the depth range and resolution of sample imaging. Here we reported a virtual depth-scan scheme of MSP in which a thick sample is scanned virtually in the depth direction across its whole thickness range within the reconstruction process, thereby eliminating the restriction on slice number and potentially improving the depth resolution of MSP. This new approach also improves the flexibility of multi-slice ptychography. Both the simulation and experimental results validate the feasibility of our new approach.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,377
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,015
Tête enseignante GPT0,284
Écart entre enseignants0,269 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations5
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueOptics ExpressMême sujetAdvanced X-ray Imaging TechniquesTravaux en français237 207