【技术实现步骤摘要】
技术介绍
1、显微镜学是使用显微镜以更好地观察用肉眼难以看到的对象的
显微镜学的不同分支包括例如：光学显微镜学、带电粒子(电子和/或离子)显微镜学和扫描探针显微镜学。带电粒子显微镜学涉及使用加速的带电粒子束作为照明源。带电粒子显微镜学的类型包括例如：透射电子显微镜学、扫描电子显微镜学、扫描透射电子显微镜学和离子束显微镜学。
技术实现思路
【技术保护点】
1.一种方法，所述方法包括：
2.根据权利要求1所述的方法，其中所述确定所述训练数据包括基于修改显微镜学图像来生成多个训练图像，并且其中所述修改所述显微镜学图像包括旋转、缩放、平移、应用点扩散函数或应用噪声中的一者或多者。
3.根据权利要求1所述的方法，其中所述确定所述训练数据包括：确定所述训练数据的图像强度数据的直方图；基于所述直方图的百分比来确定归一化因子；以及基于所述归一化因子来对所述训练数据进行归一化。
4.根据权利要求1所述的方法，所述方法还包括：将所述机器学习模型从卷积神经网络转变为全卷积神经网络。
5.根据...
【技术特征摘要】
1.一种方法，所述方法包括：
2.根据权利要求1所述的方法，其中所述确定所述训练数据包括基于修改显微镜学图像来生成多个训练图像，并且其中所述修改所述显微镜学图像包括旋转、缩放、平移、应用点扩散函数或应用噪声中的一者或多者。
3.根据权利要求1所述的方法，其中所述确定所述训练数据包括：确定所述训练数据的图像强度数据的直方图；基于所述直方图的百分比来确定归一化因子；以及基于所述归一化因子来对所述训练数据进行归一化。
4.根据权利要求1所述的方法，所述方法还包括：将所述机器学习模型从卷积神经网络转变为全卷积神经网络。
5.根据权利要求4所述的方法，其中所述转变所述机器学习模型在所述机器学习模型的训练之后进行。
6.根据权利要求1所述的方法，其中所述机器学习模型被训练为生成作为用于执行所述至少一个操作的目标的位置的变化概率的图。
7.根据权利要求1所述的方法，其中所述至少一个操作包括以下中的一者或多者：数据获取操作；数据分析操作；获取具有比所述显微镜学成像数据更高分辨率的附加成像数据；或分析所述附加成像数据。
8.一种方法，所述方法包括：
9.根据权利要求8所述的方法，其中所述显微镜学成像数据和所述位置数据响应于显微镜学装置的带电粒子显微镜学图像获取来接收。
10.根据权利要求8所述的方法，其中所述机器学习模型基于自动地生成的训练数据来配置，其中所述自动地生成的训练数据包括基于修改显微镜学图像来生成的多个训练图像。
11.根据权利要求10所述的方法，其中修改所述显微镜学图像包括旋转、缩放、平移、应用点扩散函数或应用噪声中的一者或多者。
12.根据权利要求10所述的方法，其中所述自动地...
【专利技术属性】
技术研发人员：J·F·弗拉纳根四世，H·科尔，邓雨辰，F·格罗利奥斯，
申请(专利权)人：FEI公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。