HEPS光束线软件系统

在最新的《Journal of Applied Crystallography》上，由Zhongzheng Zhou, Chun Li, 和 Longlong Fan等人组成的研究团队（来自中国科学院高能物理研究所的董宇辉研究员课题组）发表了一篇题为“Denoising an X-ray image by exploring the powerof its physical symmetry”的研究文章，为X射线成像技术带来了革命性的进展。这项研究将X射线图像内在的物理对称性与计算机视觉领域中的MAE算法结合提出了Symmetrical Masked AutoEncoder算法（详见Fig 1），可使神经网络仅在低信噪比数据上预训练后，无需高信噪比数据微调即实现高效准确的降噪，且相较于MAE预训练方法，使用小批量的高信噪比数据微调模型后，其对X射线图像降噪与物理信息恢复效果更优。

Fig 1. Symmetrical Masked AutoEncoder （SMAE）算法预览

该研究团队将算法实际应用于SAXS/WAXD（见Fig 2）及原子对分布函数实验PDF（见Fig 3）的真实实验数据中，并在多算法（MAE方法预训练后使用高信噪比数据微调，Zero-shot Noise2Noise，监督学习方法）,多样品（骨骼，竹子，金属玻璃）与多项物理信息上评估SAXS/WAXD面扫实验数据与时间分辨PDF数据的物理信息恢复能力并取得最佳结果。该研究团队表示：“将物理先验信息与深度学习技术结合实现海量低信噪比数据降噪将对那些需要高吞吐量、跨尺度、原位检查的实验模式产生巨大推动。”

Fig 2.鼠骨SAXS；股骨WAXD面扫数据展示SMAE算法在生物样品物理信息恢复中的卓越性能。

Fig 3.带状金属玻璃样品在0至33N外力加载时的各项异性信息，由SMAE方法精确恢复展示其在材料科学领域应用的巨大潜力。

研究团队与多个机构合作，包括北京同步辐射装置、中国科学院高能物理研究所、中国科学院大学、东莞中国散裂中子源科学中心、北京积水潭医院、首都医科大学及瑞士苏黎世联邦理工学院计算机视觉实验室，确保了研究的严谨性和广泛性。

欲了解更多详情，请访问[文章的在线链接或DOI]，或在[Journal of Applied Crystallography + 详细索引]中查看完整文章, 开源代码则请访问：https://github.com/zzZhou8/SMAE.。