纳米级轴向定位与追踪的模型无关机器学习方法.pdfVIP

PreparedforsubmissiontoJINST

纳米级轴向定位与追踪的模型无关机器学习方法

1

AndreyALEXANDROV,GiovanniACAMPORA,GiovanniDELELLIS,

AntoniaDICRESCENZO,ChiaraERRICO,DariaMOROZOVA,Valeri

TIOUKOVandAutiliaVITIELLO

IstitutoNazionalediFisicaNucleare(INFN)sezionediNapoli,Napoli80126,Italy

本UniversitàdegliStudidiNapoliFedericoII,Napoli80126,Italy

译EuropeanOrganizationforNuclearResearch(CERN),Geneva,Switzerland

中NationalUniversityofScienceandTechnologyMISIS,Moscow119049,Russia

2E-mail:andrey.alexandrov@na.infn.it

v

4

5Abstract:精确跟踪粒子并确定它们沿光轴的坐标是光学显微镜中的一个主要挑战，尤其

7是在需要极高精度的情况下。在这项研究中，我们介绍了一种使用卷积神经网络（CNN）的

4

1深度学习方法，可以从双焦点平面图像中确定轴向坐标，而无需依赖预定义模型。我们的

.

5方法实现了40纳米的轴向定位精度——比传统的单焦点平面技术高出六倍。该模型简单的

0设计和强大的性能使其适用于广泛的应用领域，包括暗物质探测、用于癌症治疗的质子疗

5

2法以及太空中的辐射防护。它在生物成像、材料科学和环境监测等领域也显示出潜力。这

:

v项工作突显了机器学习如何将复杂的图像数据转化为可靠且精确的信息，为许多科学研究

i

x提供了灵活而强大的工具。

r

a

Keywords:图像处理；数据分析；粒子追踪探测器；暗物质探测器（WIMPs、轴子等）；用

于重离子治疗的仪器设备

ArXivePrint:2505.14754

1Correspondingauthor.

目录

1介绍1

2材料与方法2

2.1图像数据集2

2.2纳米粒子参考轴向坐标定义2

2.3训练数据集4

2.4CNN模型架构和训练4

3结果6

3.1深度学习方法6

3.