딥 러닝 기반 스캐닝 슈퍼렌즈 현미경 이미지를 스캐닝 전자 현미경과 유사한 대형 심도 이미지로 변환

초록 스캐닝 전자 현미경(SEM)은 나노 규모 이미징을 가능하게 하지만 진공 환경과 전도성 필름으로 샘플을 코팅해야 합니다. 우리는 이러한 제한 없이 광학 슈퍼 해상도(OSR) 현미경 이미지를 SEM과 유사한 이미지로 변환하는 딥 러닝 접근 방식을 제시합니다. 우리의 맞춤형 스캐닝 슈퍼렌즈 현미경 시스템은 코팅이나 진공 없이 약 80 nm까지 OSR 이미지를 획득합니다. 생성적 적대 신경망(GAN) 모델은 도메인 간의 매핑을 배우기 위해 쌍을 이룬 OSR 및 SEM 이미지를 기반으로 학습됩니다. 그런 다음 이 모델은 이전에 보지 못한 OSR 테스트 이미지를 변환하는 데 사용됩니다. 정량적 분석 결과 재구성된 이미지는 입력 OSR 이미지보다 평균 0.74 dB 높은 피크 신호 대 잡음비를 달성합니다. 정성적 평가는 또한 구조적 세부 사항이 높은 결과를 생성하는 모델의 능력을 추가로 입증합니다. 이 기술은 나노 규모 해상도를 유지하면서 주요 SEM 제약을 극복하여 코팅이나 진공 요구사항이 장애물로 작용하는 칩 수준 결함 탐지 및 생물 샘플 분석과 같은 문제에 대한 광범위한 적용 가능성을 약속합니다.