[发明专利]人工智能使能的体积重建

权利要求书

1.一种基于多能量数据的人工智能重建技术，其方法包括：

获取样本的表面的第一多个多能量图像，所述第一多个多能量图像中的每一个图像是在不同的束能量下获得的，其中所述第一多个多能量图像中的各个图像包含来自所述样本内不同深度的数据；及

通过人工神经网络基于所述第一多个多能量图像重建至少所述样本的体积，其中所述重建的分辨率大于所述第一多个多能量图像的分辨率。

2.根据权利要求1所述的方法，其中所述人工神经网络是三维人工神经网络或由多个二维人工神经网络所形成。

3.根据权利要求2所述的方法，其中所述三维人工神经网络选自3D U-net、体积卷积神经网络、3D生成对抗网络，以及其组合中的一个。

4.根据权利要求2所述的方法，其中所述多个二维人工神经网络基于所述第一多个多能量图像重建所述样本的所述体积，并且其中数据多能量图像数据的不同的坐标方向由不同的二维人工神经网络重建，并且其中所述不同的坐标方向的所述重建通过最终的二维人工神经网络重建为所述样本的所述体积。

5.根据权利要求4所述的方法，其进一步包括：

去除所述样本的一层以暴露第二表面；及

获取样本的所述第二表面的第二多个多能量图像，所述第二多个多能量图像中的每一个图像是在不同的束能量下获得的，其中所述第二多个多能量图像中的各个图像包含来自所述样本内不同深度的数据。

6.根据权利要求5所述的方法，其中通过人工神经网络基于所述第一多个多能量图像重建至少所述样本的体积进一步包含：

通过所述人工神经网络基于所述第一多个多能量图像和所述第二多个多能量图像重建至少所述样本的体积。

7.根据权利要求1至6中任一项所述的方法，其中在执行所述重建之前，使用所述第一多个多能量图像的已标记版本来训练所述人工神经网络。

8.根据权利要求1至6中任一项所述的方法，其中使用从第二样本获取的第三多个多能量图像来训练所述人工神经网络，并且其中，在所述训练期间，将由所述人工神经网络生成的重建与所述第二样本的相同体积的高分辨率切片和视图数据进行比较。

9.根据权利要求8所述的方法，其中使用第四多个多能量图像来进一步训练所述人工神经网络，所述第四多个多能量图像包含多个样本的图像。

10.根据权利要求1至6中任一项所述的方法，其中带电粒子显微镜既获取所述第一多个多能量图像，又使用所述人工神经网络重建至少所述样本的所述体积。

11.一种用于获得样本的体积重建的带电粒子显微镜系统，所述系统包含：

电子束，其用于在多个不同的束能量下证明电子束；

切割工具，其用于去除样本的切片；以及

控制器，其至少被耦合以控制所述电子束和所述切割工具，所述控制器包含或耦合到存储代码的非暂时性计算机可读介质，当所述代码由所述控制器或耦合到所述控制器的计算系统执行时，所述代码使所述系统：

获取样本的表面的第一多个多能量图像，所述第一多个多能量图像中的各个图像是在不同的束能量下获得的，其中所述第一多个多能量图像中的各个图像包含来自所述样本内不同深度的数据；及

通过耦合到或包含在所述系统中的人工神经网络基于所述第一多个多能量图像重建至少所述样本的体积，其中所述重建的分辨率大于所述第一多个多能量图像的分辨率。

12.根据权利要求11所述的系统，其中所述人工神经网络是三维人工神经网络。

13.根据权利要求12所述的系统，其中所述三维人工神经网络选自3DU-net、体积卷积神经网络、3D生成对抗网络，以及其组合中的一个。