用于带电粒子系统中样品的3D图像的深度重建的制作方法

技术特征：
1.一种用于通过切片和视图带电粒子成像产生改进的样品3d重建的方法，所述方法包括：获取与样品的第一层相关的第一数据，所述第一数据已通过用带电粒子束对所述样品的所述第一层进行第一辐照而获取；获取与样品的第二层相关的第二数据，所述第二数据已通过用所述带电粒子束对所述样品的所述第二层进行第二辐照而获取，其中：在所述第一辐照与所述第二辐照之间去除所述样品的所述第一层；以及所述带电粒子束的电子相互作用深度大于所述第一层的厚度和所述第二层的厚度；用基于训练的3d盲反卷积算法增强所述第一数据以创建增强型第一数据，其中所述基于训练的3d盲反卷积算法减少由所述第一层外部的电子相互作用产生的所述第一数据的第一部分引起的深度模糊；用所述基于训练的3d盲反卷积算法增强所述第二数据以创建增强型第二数据，其中所述基于训练的3d盲反卷积算法减少由所述第二层外部的电子相互作用产生的所述第二数据的第二部分引起的深度模糊；以及使用所述增强型第一数据和所述增强型第二数据构建所述样品的高分辨率3d重建。2.根据权利要求1所述的方法，其进一步包括以下步骤：产生所述样品的所述第一层的第一图像；以及产生所述样品的所述第二层的第二图像。3.根据权利要求1所述的方法，其中增强所述第一数据包括基于所述第一层外部的电子相互作用产生具有减少的信息量的增强型第一图像，且增强所述第二数据包括基于所述第二层外部的电子相互作用产生具有减少的信息量的增强型第二图像。4.根据权利要求1所述的方法，其中减少所述深度模糊对应于：从所述第一数据去除由所述第一层外部的电子相互作用产生的所述第一数据的所述第一部分；以及从所述第二数据去除由所述第二层外部的电子相互作用产生的所述第二数据的所述第二部分。5.根据权利要求1所述的方法，其中所述深度模糊对应于由在图像所对应的样品层外部发生的所述电子相互作用产生的图像数据的存在。6.根据权利要求1所述的方法，其中所述带电粒子束为单一能量电子束。7.根据权利要求1所述的方法，其中用以下各项中的一个或多个去除所述样品的所述第一层：聚焦离子束；激光；电子束；以及金刚石刀片。8.根据权利要求1-6中任一项所述的方法，其中所述基于训练的3d盲反卷积算法包括3d神经网络。9.根据权利要求8所述的方法，其中使用以下各项训练所述3d神经网络：第一组训练数据，其通过对训练样品进行切片和视图带电粒子成像而获取，其中成像
波束的所述电子相互作用深度大于对应切片厚度；以及第二组训练数据，其对应于所述训练样品的经标记重建。10.根据权利要求9所述的方法，其中使用所述训练样品的低压切片和视图带电粒子成像处理获取所述第二组训练数据，其中所述成像波束的所述电子相互作用深度小于所述对应切片厚度。11.根据权利要求9所述的方法，其中至少部分地通过将反卷积算法应用于所述第一组训练数据来获取所述第二组训练数据。12.根据权利要求9所述的方法，其中基于所述训练样品的映射、所述训练样品的描述、所述训练样品的已知特性或其组合而模拟获取所述第二组训练数据。13.根据权利要求1中任一项所述的方法，其中所述方法进一步包括存取多个基于训练的3d盲反卷积算法，且基于一个或多个显微镜条件从所述多个基于训练的3d盲反卷积算法选择深度模糊减少算法，其中所述多个基于训练的3d盲反卷积算法中的个别基于训练的3d盲反卷积算法针对不同的对应显微镜条件进行训练。14.根据权利要求1中任一项所述的方法，其中所述方法进一步包括存取多个基于训练的3d盲反卷积算法，且基于一个或多个样品条件从所述多个基于训练的3d盲反卷积算法选择所述基于训练的3d盲反卷积算法，其中所述多个基于训练的3d盲反卷积算法中的个别基于训练的3d盲反卷积算法针对不同的对应样品条件进行训练。15.一种带电粒子显微镜系统，所述系统包括：样品固持器，其配置成固持样品；电子束源，其配置成朝向所述样品发射电子束；电子束柱，其配置成将所述电子束引导到所述样品上；延迟组件，其配置成从所述样品的表面去除层，所述层具有已知厚度；一个或多个检测器，其配置成检测由辐照所述样品的所述电子束产生的发射；一个或多个处理器；以及存储指令的存储器，所述指令当在所述一个或多个处理器上执行时使所述带电粒子显微镜系统进行以下操作：获取与所述样品的第一层相关的第一数据，所述第一数据已通过用所述电子束对所述样品的所述第一层进行第一辐照而获取；获取与样品的第二层相关的第二数据，所述第二数据已通过用所述电子束对所述样品的所述第二层进行第二辐照而获取，其中：在所述第一辐照与所述第二辐照之间通过所述延迟组件去除所述样品的所述第一层；以及所述电子束的电子相互作用深度大于所述第一层的厚度和所述第二层的厚度；用基于训练的3d盲反卷积算法增强所述第一数据以创建增强型第一数据，其中所述基于训练的3d盲反卷积算法减少通过由所述第一层外部的电子相互作用产生的所述第一数据的第一部分引起的深度模糊；用所述基于训练的3d盲反卷积算法增强所述第二数据以创建增强型第二数据，其中所述基于训练的3d盲反卷积算法减少通过由所述第二层外部的电子相互作用产生的所述第二数据的第二部分引起的深度模糊；以及
使用所述增强型第一数据和所述增强型第二数据构建所述样品的高分辨率3d重建。16.根据权利要求15所述的系统，其中减少所述深度模糊对应于：从所述第一数据去除由所述第一层外部的电子相互作用产生的所述第一数据的所述第一部分；以及从所述第二数据去除由所述第二层外部的电子相互作用产生的所述第二数据的所述第二部分。17.根据权利要求15-16中任一项所述的系统，其中所述基于训练的3d盲反卷积算法包括3d神经网络。18.根据权利要求17所述的系统，其中使用以下各项训练所述3d神经网络：第一组训练数据，其通过对训练样品进行切片和视图带电粒子成像而获取，其中成像波束的所述电子相互作用深度大于对应切片厚度；以及第二组训练数据，其对应于所述训练样品的经标记重建。19.根据权利要求18所述的系统，其中使用所述训练样品的低压切片和视图带电粒子成像处理获取所述第二组训练数据，其中所述成像波束的所述电子相互作用深度小于所述对应切片厚度。20.根据权利要求18所述的系统，其中至少部分地通过将反卷积算法应用于所述第一组训练数据来获取所述第二组训练数据。

技术总结
用于带电粒子系统中样品的3D图像的深度重建。用于使用切片和视图过程产生成像的3D样品的高分辨率重建的方法和系统，其中成像波束的电子相互作用深度大于切片厚度。用深度模糊减少算法增强通过此类切片和视图过程获得的数据，所述深度模糊减少算法配置成减少由分别由第一层和第二层外部的电子相互作用互产生的第一数据和第二数据的部分引起的深度模糊，以产生增强型第一数据和增强型第二数据。随后使用所述增强型第一数据和所述增强型第二数据产生所述样品的高分辨率3D重建。在一些实施例中，所述深度模糊减少算法可选自已针对某些显微镜条件、样品条件或其组合个别地配置的一组此类算法。组此类算法。组此类算法。


技术研发人员：P
受保护的技术使用者：FEI公司
技术研发日：2021.09.29
技术公布日：2022/4/12