《Advanced Science》：Deep-Learning-Based Denoising for Improved Phase Precision in Electron Holography of Electromagnetic Fields in Nanoscale Materials
编辑推荐：
电子全息术是一种强大的工具，可在纳米尺度上定量映射电场和磁场，直接应用于半导体器件、磁性纳米结构和功能性纳米材料。然而，其灵敏度从根本上受到散粒噪声的限制。在低剂量条件下，散粒噪声淹没了携带微弱信号的细微条纹位移。深度学习的最新进展在图像去噪方面取得了显著成功
电子全息术是一种强大的工具，可在纳米尺度上定量映射电场和磁场，直接应用于半导体器件、磁性纳米结构和功能性纳米材料。然而，其灵敏度从根本上受到散粒噪声的限制。在低剂量条件下，散粒噪声淹没了携带微弱信号的细微条纹位移。深度学习的最新进展在图像去噪方面取得了显著成功。研究人员在此提出了HoloDenoiser，一种无监督深度神经网络，利用相位信息在傅里叶空间中边带峰处的局域化特性作为显式的物理引导先验。该网络在线性（Linear）和计数（Counting）探测器模式下均实现了3–4倍的相位精度提升，优于传统去噪器和最先进的深度学习基线。研究人员通过零相位真空全息图和GaAs p–n结内建电位测绘实验验证了该方法。利用磁性纳米盘的模拟全息图，研究人员进一步恢复了弱磁相位信号，所需电子剂量降低了约25倍。研究人员预计，这项工作将为更广泛的纳米科学界在纳米尺度定量相位成像方面提供有用工具。
**论文解读：HoloDenoiser——基于深度学习的电子全息去噪方法**
**1. 研究背景与意义**
电子全息术（Electron Holography, EH）能够以纳米级空间分辨率定量测绘材料内部的电场和磁场分布，在半导体器件、磁性纳米结构及功能纳米材料研究中具有重要应用。然而，其相位灵敏度从根本上受限于散粒噪声（shot noise）。在低剂量条件下，散粒噪声会淹没携带微弱信号的条纹位移，使得弱相位信号（如单个磁矩或界面电荷）难以检测。传统去噪方法（如维纳滤波、中值滤波、BM3D等）在频域或空域处理中面临固有矛盾：频域滤波需在空间分辨率和噪声抑制间取舍，空域滤波则可能破坏干涉条纹的三带结构。基于小波的方法（如小波隐马尔可夫模型WHMM）依赖人工参数，泛化能力有限。深度学习虽已在显微图像去噪中取得进展，但针对电子全息图特性的专用网络仍属空白，且标准下采样操作会导致混叠伪影，污染承载相位信息的边带。因此，研究人员开发了HoloDenoiser——一种利用全息图频谱结构先验的无监督深度神经网络，旨在突破低剂量下的相位检测极限，为束敏感材料的定量相位成像提供新工具。该工作发表于《Advanced Science》。
**2. 主要技术方法**
研究人员基于噪声2噪声（Noise2Noise）策略构建训练数据，通过模拟理想干涉图样并叠加剂量相关的泊松噪声生成无监督训练的噪声对。网络采用编码器-解码器结构，核心为快速傅里叶卷积（Fast Fourier Convolution, FFC）块，通过局部与全局分支提取多尺度特征，并引入抗混叠下采样模块避免频谱混叠。频域保护模块利用高斯掩膜定位边带，在傅里叶域中选择性保留边带信息。相位重建采用标准傅里叶方法，孔径设为载波频率的三分之一。实验数据包括Gatan K2-IS相机采集的真空全息图（线性和计数模式）及GaAs p–n结全息图，训练时先模拟预训练再在实验数据上微调。
**3. 研究结果**
**3.1 模拟数据集上的评估**：在模拟p–n结全息图（剂量10 e
?/pixel）上，比较了传统方法（BF、MF、TVD、WF、WHMM、BM3D）和深度学习方法（DnCNN、Noise2Noise、Noise2Void、SwinIR、Restormer）。HoloDenoiser在条纹边缘保持、对比度和相位重建精度上均最接近真实值。在不同条纹间距下（约5.71至15.71像素），去噪后PSNR和SSIM显著提升，SSIM保持在0.997以上。
**3.2 实验数据集上的评估**：对真空全息图（剂量1–100 e
?/pixel）测试，在计数模式下，1 e
?/pixel时条纹对比度从约47.30%提升至71.16%，相位标准差δφ从约0.31 rad降至0.07 rad。在两种探测器模式下，δφ均降低3–4倍，且符合平方反比定律。对GaAs p–n结实验全息图（剂量30 e
?/pixel）直接应用模型，成功抑制噪声并保留条纹结构，测得内建电位对应的相位阶跃约2.653 rad。
**3.3 低电子剂量下相位检测极限的推进**：针对磁性纳米盘模拟，分别采用均匀磁化盘和磁涡旋盘模型。在固定剂量1 e
?/pixel时，可恢复从约0.09 rad至1.56 rad的磁相移图案；当最大相移降至约0.048 rad时，原始数据在50 e
?/pixel下仍难以分辨，而HoloDenoiser在2 e
?/pixel下即可清晰恢复双极磁相图案，所需电子剂量降低约25倍。
**3.4 定量功率谱密度分析**：径向平均功率谱密度（Power Spectral Density, PSD）显示，去噪前后载波频率q
c处的峰值和宽度几乎不变，远离q
c的噪声被显著抑制；重建相位图的PSD在整个频率范围均匀降低（模拟数据）或在中高频段更有效（实验数据），证实网络选择性抑制宽带噪声而保留边带结构。
**4. 讨论与结论**
讨论部分指出HoloDenoiser的局限：极低剂量下边带峰可能低于噪声底，导致搜索环定位失败；双棱镜伪影或菲涅尔条纹可能产生虚假峰值，干扰先验；相关噪声（如固定图案噪声）无法通过独立噪声对移除；载波频率或相位变化显著偏离训练条件时需要重新训练。结论表明，HoloDenoiser通过利用全息图固有的频谱结构，在模拟和实验数据上均实现3–4倍相位噪声降低，忠实保持平方反比定律，对约0.05 rad的弱相位物体可将所需剂量降低约25倍，为束敏感材料及生物样品的定量相位成像开辟了新途径。该框架有望推广至光学和X射线全息等其他干涉测量模态。
