利用稀疏投影和深度学习加速原位X射线断层扫描技术

《Materials Characterization》：Accelerating in situ X-ray tomography using sparse projections and deep learning

　　

Nathan S. Johnson | Orion L. Kafka | Newell Moser

• •
  提出了一种深度学习重建方法，能够在使用更少投影数量（仅10倍）的情况下实现高质量的原位X射线断层成像，并显著加快成像速度（快5倍）。
• •
  该方法被应用于LPBF Inconel 718材料的拉伸试验中，将每次试验的采样频率从4次提升至16次。
• •
  通过后续的电子显微镜观察验证了X射线断层成像的结果，并将断裂表面的特征与原位观测结果进行了对比。
• •
  该方法能够直接观察到动态变形过程，如孔隙生长、孔隙合并以及剪切带的形成。
• •
  该框架具有探测器无关性（即不依赖于特定类型的探测器），并且采用自监督学习机制，有效弥合了实验室X射线断层成像与同步辐射X射线断层成像之间的性能差距。