RAPID成像为深度学习提供了大量机会

纳米尺度的三维(3D)成像可以提供对生物学和材料行为的重要见解，包括病毒功能、结构损伤和纳米电子学。

一种方法是破坏性地做到这一点。研究人员会固定他们的标本，用粒子束精细地蚀刻顶层，用扫描电子显微镜或类似的高分辨率方法对显露的特征进行成像，然后重复这个过程，直到整个标本体积被消耗掉。然而，在许多情况下，最好是非破坏性地操作，然后就需要一种形式的断层扫描。

在eLight发表的一篇新论文中，由麻省理工学院吴紫玲教授领导的科学家团队开发了一种新的3D成像重建方法。

研究团队使用集成电路(IC)作为范例，因为它们提供了一些实用的便利。IC是刚性的，因此不需要固定。它们在制造过程验证、故障分析和假冒检测方面也非常有用。另一方面，由于摩尔定律，3DIC成像的挑战随着时间的推移而增长。

对于纳米级的非破坏性3DIC成像，硬X射线是理想的探针，因为它们具有长穿透深度和短波长。然而，与几乎总是根据投影强度进行操作的医学X射线断层扫描不同，在纳米尺度的情况下，通常首先通过叠层摄影寻找复杂的场，然后再进行断层扫描。这种组合方案也被称为X射线层叠断层摄影术(ptycho-tomography)。

这样做有几个原因。例如，如果投影近似仍然适用，那么科学家可以并行执行两个层析重建。大多数材料的相位变化比它们各自的吸收变化大10倍。

X射线ptycho-tomography重建以与实验采集相同的顺序进行，采用两步法。首先，使用相位检索算法从远场衍射图案中检索2D投影，然后实施层析重建以从2D投影中恢复3D对象的实部和/或虚部。

许多应用程序已通过这种两步法成功演示。这些应用包括IC成像、显微生物体成像和材料特性研究，例如断裂、渗滤和水合作用。然而，ptychography和层析成像都需要大量的数据冗余，通常导致采集和处理时间较长。

减少采集时间的一种方法是使用高精度扫描仪，这些扫描仪可以可靠地使用高效扫描方案并以高扫描速度工作。减少ptycho-tomography中的数据冗余要求是加速数据采集的另一种方法，但会引入不适定性。然而，随着数据的减少，传统的重建算法可能会产生伪影和一般的保真度损失。

监督学习方法常常引起人们对新数据和未见数据的泛化能力的担忧。研究人员提出了一种对样本子集进行训练的策略，其中可以使用可信赖但速度非常慢的替代方法来获取基本事实;然后在其余样本上使用训练网络，显着加快了整个操作。这种方法对集成电路或其他大型3D样本很有吸引力。

迁移学习可能会减轻为新实验重新训练RAPID的努力。对于更一般的样本，如病毒和纳米粒子，可以预期具有可比性的性能，但很可能以重新设计学习架构为代价。