MMX-I: data-processing software for multimodal X-ray imaging and tomography

Bergamaschi, A.; Medjoubi, K.; Messaoudi, C.; Marco, S.; Somogyi, A.

doi:10.1107/S1600577516003052

研究论文

的日志
同步加速器
辐射

国际标准编号：1600-5775

第23卷| 第3部分| 2016年5月| 第783-794页

doi:10.1107/S1600577516003052

打开

访问

MMX-I型：用于多模式X射线成像和层析成像的数据处理软件

安托万·贝加马斯基,^一 ^* 卡达·梅德朱比,^一塞德里克·梅萨奥迪,^b、，^c（c）塞尔吉奥·马尔科 ^b、，^c（c）和安德烈亚·索莫吉 ^一

^一同步加速器SOLEIL，BP 48，Saint-Aubin，91192 Gif-sur-Yvette，法国，^b条UMR 9187，法国巴黎大学萨克雷分校，CNRS，巴黎大学萨克莱分校，F-91405 Orsay，法国^c（c）法国奥尔赛PSL研究大学INSERM居里研究所U1196，F-91405
^*通信电子邮件：antoine.bergamaschi@synchronitron-soleil.fr

编辑：V.Favre-Nicolin，CEA和法国约瑟夫·傅里叶大学(收到日期：2015年11月17日； 2016年2月20日接受； 2016年4月12日在线)

开发了一个新的多平台免费软件，用于处理和重建扫描多技术X射线成像和层析成像数据集。该软件平台旨在处理不同的扫描成像技术：X射线荧光，相位、吸收和暗场及其任何组合，从而为X射线成像用户群体提供了易于使用的数据处理工具。专用数据输入流处理在Nanoscopium光束线甚至标准PC上进行典型的多技术快速扫描期间收集的大型数据集（数百GB）的输入和管理。据作者所知，这是第一个软件工具，旨在处理扫描多技术成像和层析实验的所有模式。

关键词：扫描多模式X射线成像;扫描X射线断层扫描;断层重建;相位恢复;扫描多模式X射线成像;扫描X射线断层扫描;断层重建;相位恢复.

1.简介

同步加速器SOLEIL（Somogyi）的纳米scopium光束线等人。, 2015 )致力于扫描5–20 keV能量范围内的多技术X射线成像。它旨在以高空间分辨率（3D中低至50nm）和分析灵敏度提供关于样品的元素组成和电子密度的二维/三维（2D/3D）定量信息，即跟踪，子部分-百万分之一（p.p.m.子部分），检测极限。光束线特别适用于高度异质样品的分层长度尺度研究，在多个长度尺度上同时提供形态、元素和化学信息。实际上，扫描范围可以从毫米扩展到微米，空间分辨率可以降到50纳米。光束线的主要科学应用领域是生物学、生命科学、地球生物学和环境科学。生物重要过渡金属在有机组织和细胞中的分布（科尔文等人。, 2015 )地质和古地质样品的元素组成和形态（Sforna等人。, 2014 )植物中的金属吸收和隔离机制是可以在纳米示波器束线上进行的一些典型研究示例。同步加速器SOLEIL（Medjoubi）开发的多技术“FLYSCAN”数据采集方案等人。, 2013b条 ; 勒克莱尔等人。, 2015 )基于纳米scopium的特定技术特征，对这种多尺度扫描成像至关重要。它允许扫描X射线荧光光谱法结合了吸收、差分相位对比度和暗场成像，每像素停留时间低至毫秒。因此，在几个小时的测量时间内，大视场测量变得可行。扫描纳米探针站的原理如图1所示在通常的实验中，记录2000×2000像素（～2 mm×2 mm）的大概览图，每像素停留时间为毫秒。这将在大约1小时内生成半TB的数据集。大的概览映射之后，将在≤100–200µm的上执行分辨率更高但速度较慢的扫描²大小区域。这在1到2小时内产生了相似数量的数据。显然，在线和离线数据处理是实验成功的关键部分。然而，在同步加速器用户实验期间定期生成的如此大的数据集的处理仍然是一个挑战。这些大量的原始数据必须在现场数据查看实验的时间范围内导入、缩减、更正和预处理。此外，用户还必须能够在标准PC上执行这些数据处理步骤，以便在他们自己的研究所进行彻底的实验后数据处理，因为他们通常没有高性能的工作站。这种数据重建软件和算法必须易于没有图像处理经验的用户使用。为了应对这些挑战，我们在Nanoscopium光束线开发了一种专用的数据处理工具，该工具将作为科学界的免费软件提出。

图1
扫描纳米探针站的原理。样品在聚焦光束中进行光栅扫描，同时通过能量色散探测器记录XRF光谱，并通过快速灵敏的2D探测器记录透射光束。生成的数据矩阵包括XRF光谱、2D放大的透射图像、强度值、光束位置监视器和样品扫描位置。

对于二维成像和层析成像这类软件工具的主要要求之一是从原始数据中编码的样本中提取物理特性[记录在SOLEIL的单个NeXus文件中（Poirier等人。, 2009 )]. 这些特性被转换为相位图、散射对比度图、吸收对比度图和元素分布图。此外，探测器缺陷的校准和修正(例如2D探测器的热像素），并且为了最终定位样品台的不规则性，必须以透明的方式执行。此外，由于样本种类繁多，不同实验的采样策略和记录信号可能会有很大差异(例如强度、背景）。因此，必须针对不同的测量策略和成像对比度，提出几种层析重建算法和相位恢复方法。

存在许多用于传输层析重建或相位恢复的开源软件或框架，例如TomoPy公司（Gürsoy）等人。, 2014 ),TomoJ公司（梅萨奥迪等人。, 2007 ),安卡阶段（魏特坎普等人。, 2011 )和PITRE公司（陈）等人。, 2012 )（非详尽清单）。然而，它们主要面向全场成像，而不是扫描成像。据我们所知，开放的免费软件主要用于扫描X射线荧光（XRF）和X射线吸收近边结构（XANES）应用是PyMCA公司（索莱等人。, 2007 ),螳螂（勒罗蒂克等人。, 2014 ),地图（沃格特，2003）),TXM向导（刘）等人。, 2012 )和轴2000（aXis20001997）).

这就需要开发开源MMX-I型用于离线处理多模式扫描X射线成像和断层扫描数据集的软件。考虑到现有广泛使用的XRF光谱校正软件(例如 PyMCA公司)，我们不打算为MMX-I型相反，可以导入PyMCA公司结果，即通过拟合每个像素光谱获得的元素强度MMX-I型用于进一步处理。

MMX-I型根据模型-视图-控制器（MVC）模式（Reenskaug，1979年 ). 这允许通过包括处理需要层析成像或相位重建的任何其他成像数据集，将其应用范围扩大到扫描成像之外。

2MMX-I型用于数据简化和处理

2.1. 软件平台和工作流程

这个MMX-I型该项目旨在为专家用户和初学者提供对软件中包含的每种扫描成像技术及其任何组合进行现场或非现场处理和分析原始数据的可能性。因此，我们开发了一个多平台（Mac、Windows和Linux 64位）数据处理工具，它易于安装、全面、直观且用户友好。

由于基于脚本语言（如Matlab或IDL）的软件开发需要安装相当昂贵的软件包，因此我们倾向于开发MMX-I型Java语言。Java与广泛使用的（不同科学团体使用的）图像处理软件有很好的协同作用图像J（萨尔菲尔德等人。, 2012 ; 施耐德等人。, 2012 ; 里兹克等人。, 2014 ). 这种选择考虑了几个优点：（i）Java代码可以在所有支持Java的平台上运行，而无需重新编译；（ii）软件工具可以与单个可执行文件一起安装，甚至可以包括适当的Java版本；（iii）应用程序可以从U盘启动，因此可以轻松交付给用户；（iv）Java包括大量的科学类库，可以轻松地开发适合我们需求的数值计算；（v）图像J库提供了基本的图像可视化和处理工具。

这个MMX-I型工作流程如图2所示数据处理链分为四个模块：数据导入、还原、校正和重建。以下各节详细介绍了每个模块。

图2
MMX-I型工作流。从HDF5文件导入原始数据通过Hdf5开启，然后还原为吸收、暗场、相控（DPC）和元素图。在此步骤之后，可以将数据导出为tiff文件，也可以导入现有地图。然后进行数据校正，然后进行数据重建。

2.2. 实现的模块

2.2.1. 数据导入

在SOLEIL，实验期间获得的原始数据，包括元数据（例如扫描参数、样本标识符、波束线参数和时间戳），记录在HDF5中（HDF Group，2015）一 )遵循NeXus约定的文件（Könnecke等人。, 2015 ). 图3显示了Nanoscopium多技术X射线2D扫描实验期间采集的单个NeXus数据文件的文件树。作为HDF5文件，使用HDF视图软件（HDF Group，2015b条 ). 分层HDF5格式便于数据处理和解释，因为来自每个子系统（传感器、电机、，等等。)按照采集过程的顺序记录在单个HDF5文件中。HDF5是一个在B树（树数据结构）中索引的二进制文件。除了自我描述之外，HDF5格式的大小也是准无限的(即受文件系统限制）。HDF5得到了HDF集团的大力支持和持续改进，以保持创新的领先地位。

图3
与2D多技术扫描相对应的单个NeXus文件的文件树。二维探测器的图像包含在4D矩阵中（2D数据图的每个像素包含2D探测器图像），XRF光谱包含在3D矩阵中，位置和强度值包含在2D矩阵中。

读取和处理由Flyscan在Nanoscopium定期生成的0.5–1 TB卷的大型HDF5文件需要高计算性能，这是标准PC或笔记本电脑无法实现的。因此，计算资源的优化是MMX-I型该项目旨在处理大数据文件，甚至由标准用户PC处理。为此，开发了一个专用的读出API，名为Hdf5Opener。事实上，与文件读取相比，减少数据只需要计算能力的一小部分。还原过程的瓶颈是可用于读取文件中包含的完整数据集的内存，以及从磁盘向内存传输数据所需的时间。为了解决这些问题，Hdf5Opener拥有自己的专用内存和执行线程，允许与的其他处理线程并行工作MMX-I型策略是部分读取Hdf5文件，并分离数据读取和处理。具体如图4所示流对象向API发送一个读取请求列表，每个请求都包含要顺序读取的部分数据集的选择。读取列表的第一个请求后，数据块存储在存储阵列中并排队等待处理。根据可用内存大小，对列表中的所有元素连续执行该操作。一旦给定数据块上的一个并行处理任务终止，存储阵列中相应的内存空间就会释放。默认情况下，数据块的大小设置为等于扫描的第一个维度的大小。例如，对于2D扫描，数据块将包含一行元素。该策略详见§2.2.2.

图4
Hdf5Opener流处理方案。“Stream”对象传递给Hdf5Opener（红色箭头）到由读取请求列表组成的读取队列。Hdf5Opener以“连续”模式顺序读取每个读取请求，并将结果存储在存储阵列中（蓝色箭头）。

每个块中包含的数据不一定在像素图中相邻。事实上，为了快速概述非常大的数据集，API可以读取地图上所有维度的每秒像素。此模式在中称为“低分辨率”MMX-I型如下所述。此外，可以决定不处理数据集中被认为无趣的部分（样本外部的区域或与光束损失相对应的区域等.).

2.2.2. 数据缩减

数据简化包括处理X射线传输和XRF原始数据，以获得：（i）传输信号的图像；（ii）水平和垂直差分相位对比度图像；（iii）暗场图像；（iv）散射方向（近期实施）；（v）元素分布图。

在进行数据缩减之前，必须对原始数据进行预处理。例如，处理后的数据矩阵中包含的信号类型（吸收、相位、暗场和荧光）必须进行识别、去噪和校准。

预处理。通常，总数据量的最大部分由传输图像表示。为了节省计算资源和时间，Hdf5Opener只读取检测到的原始传输图像的那些图像部分[感兴趣的图像区域（ROI）]，其中包含用于计算传输模式的“重要”信息。为此，当第一次加载原始数据文件时，毫米x英寸将自动读取整个传输数据集的10%，均匀分布在扫描坐标中。在此步骤中，确定包含整个透射和散射光束的ROI（见图5). 在第二步中，定义照明图案的遮罩，这对于后面描述的暗场图像的计算尤其重要。用最小值对ROI图像进行阈值分割，转换为二值图像，然后求和。生成的“照明遮罩”表示每个像素在整个扫描过程中被X射线照射的次数（高于阈值）。为了获得合理的透射光束形状，我们只考虑在照明遮罩最大值的95–100%范围内照明的像素（见图5). 然后向用户建议将该ROI和照明遮罩作为默认遮罩（见§2.5). 用户可以自定义默认ROI和照明遮罩。

图5
XPAD 2D光子计数探测器记录的透射X射线束。图像以对数刻度显示。用于数据缩减的像素位于用白色方块标记的默认ROI内。白色圆圈表示用于确定属于暗场的像素的默认“照明遮罩”的外部限制。

在进一步数据处理之前，从每个2D探测器图像中删除热像素。已经开发了一个专用功能，以识别和删除那些与相邻像素有显著差异的像素。为此，基于邻域中每个像素的方差值的局部直方图统计算法（Gonzalez&Woods，2006）)使用。用户可以修改可用的默认参数，如用于计算方差的卷积核或直方图阈值。然后将可靠识别的热像素的位置记录在查找表中。然后，要么用相邻像素的平均强度值替换它们，要么在还原过程中根本不考虑它们。

XRF是一种测定样品化学成分的分析方法。当样品暴露在具有足够能量的X射线束下时X射线荧光辐射将以特定于激发元素的离散能量发射。通过测量它们的能量和强度，可以确定被测元素的浓度。给定元素的信息是通过测量地图上每个像素对应峰值的面积来获得的。XRF光谱的能量校准是鉴定样品中所含元素和重建元素图的关键步骤。默认情况下，MMX-I型分别计算每个谱的和谱X射线荧光探测器。光谱的能量校准以标准方式进行（Grieken&Markowicz，2001 )，通过选择至少两条已知的X射线。然后，用户可以交互选择ROI，其中包含感兴趣的特征X射线峰值，这些峰值将在进一步的数据简化过程中使用。XRF光谱反卷积和背景相减尚未集成在MMX-I型，由于策略不是重新创建已有的功能，这些功能已经优化并在优秀软件中广泛使用了几年，例如 PyMCA公司（索莱等人。, 2007). 相反，MMX-I型提供了导出和谱的可能性`最大可信事故'文件格式以便由处理PyMCA公司。生成的“fit”文件可以导入到MMX-I型以创建ROI图像。另一个选项允许通过以下方式获得拟合的元素图PyMCA公司重新注入MMX-I型用于进一步处理，例如用于断层重建。

数据缩减步骤。默认情况下，对扫描的所有像素执行数据缩减步骤。传输模式由传输光束的图像确定（见图5). 透射对比度图像通过光束ROI内像素的数值总和计算（参见预处理上节）提供了常规射线照相典型的吸收对比度。

差分相位对比度（DPC）与折射角（穆凯德等人。, 2009 )如以下公式所述，

$[\eqalign{{\partial\varphi（x，y）}\over{\particalx}}&={{2\pi}\over{\lambda}}\，\theta_x，_{\vphantom{\Big|}}\cr{{\ partial\ varphi$

哪里φ是阶段， $[{\theta_x}]$ 和 $[{\theta_y}]$ 是沿水平方向和垂直方向的各自折射角，以及λ是波长。折射角是通过计算ROI内沿水平和垂直方向传输光束的质心来确定的。DPC图像用于相位图重建（如下所述）。需要注意的是，扫描DPC技术允许相位测量超过2π因此不受任何相位跟踪影响（de Jonge等人。, 2008 ).

暗场数据表示散射信号的强度。其振幅与密度波动有关，长度尺度小于照明面积（Menzel等人。, 2010 )并通过积分传输光束外的散射强度进行评估，即图5所示的照明面罩外部也可以利用散射的各向异性，并提供样品中结构方向的对比信息。可以通过将大环形ROI的每个集成区域划分为较小的部分，分布在360°上，然后通过用余弦函数拟合每个部分的强度来计算角度来恢复方向（Bunk等人。, 2009 ).

2.3. 数据修正

为了提高简化数据图像的质量，执行额外的校正步骤。这允许用户校正光束强度变化、平移台定位误差、图像背景变化以及层析采集时旋转轴的轻微错位和偏心（称为摆动）的影响。为了获得高保真度的重建图像，对缩小后的图像进行校正是至关重要的一步。这就是为什么这种图像处理在MMX-I型.

为了校正入射光束的变化通量，在样品的上游插入一个强度监测器。因此，透射、XRF和暗场模式与每个像素中测量的入射光束强度进行标准化。

在快速扫描多技术纳米探针方法中，沿一维连续扫描样品，同时记录每个像素/体素的探测器（强度监视器、2D探测器和XRF探测器）和编码器位置。每个设备的同步数据采集由外部触发信号启动。在FLYSCAN架构中，触发器由周期性TTL脉冲发生器提供。由于电机加速/减速、运动速度稳定性和齿隙，地图的像素大小在整个扫描中不会相等。这种不均匀性会强烈限制需要数据连续性的算法的使用。因此，必须根据记录的编码器位置重新缩放每个图像。MMX-I型包括一种算法，通过将每个被测像素定位在一个新的完美虚拟网格中来纠正此类缺陷。虚拟网格是基于每个像素的被测电机位置创建的。该网格首先被重新整形，以便仅具有相同大小的像素。新像素大小定义为具有测量像素的平均高度和宽度。然后在虚拟网格中重新分配每个测量像素的值。虚拟网格中的像素可能包含多个测量像素的数值，也可能没有。为了避免这些残酷的不连续性，虚拟网格最终会在出现异常像素值的地方进行平滑处理。

要获得绝对吸收、暗场和相位模式，需要参考值，其对应于在无样品的情况下获得的模式值。这些只能在完全隔离的对象（在每行的左右部分产生背景像素）的情况下导出。在这种情况下，应用自动边缘检测功能，定义每行的参考“背景”值。参考背景区域也可以手动定义，这在非隔离样本的情况下是推荐的。

在层析测量的情况下，从不同角度测量的投影图像中提取每个对比度模态的正弦图。对于无伪影层析成像重建，必须知道旋转轴的位置等参数，并且必须对不规则的角运动（摆动）进行校正。

MMX-I型包括样本摆动和旋转轴轻微错位的校正算法。Azavedo详细描述了该方法等人。(1990 )包括计算每个投影的质心，并用正弦函数拟合得到的正弦曲线。为了正确执行，此方法意味着对象必须始终位于投影的视野中。此外，还特别注意正弦拟合函数，以最小化噪声的影响。配合的偏移提供旋转中心。每个投影的质心和拟合曲线之间的距离用于校正抖动效应。该方法要求最好使用大于360°的正弦图。然后将从信号对比度最大的模态中获得的评估移位校正应用于所有其他模态。在下面所示的示例中，根据传输正弦图评估换档校正。

2.4。数据重建

重建是数据处理的最后一步MMX-I型在二维成像的情况下，重建涉及从水平和垂直差分相位对比度图像确定相位。在中实现的不同相位恢复方法MMX-I型将在下一节中进行介绍和比较。

对于断层图像重建，MMX-I型提供了经典过滤反向投影（FBP）（Kak&Slaney，2001 )和迭代技术，如代数重建技术（ART）和同时迭代重建技术（SIRT）（Kak&Slaney，2001). 为了提取正确的信息，每种层析重建方法都可以针对每种对比模式单独进行优化。断层扫描重建如§2.4.2所述.

2.4.1. 相位对比度重建

在中实现了两种方法MMX-I型用于定量相位重建。第一种是傅里叶积分法（Kottler等人。, 2007 )应用傅里叶导数技术积分方向相位梯度。第二个过程是基于有限差分的最小二乘法与Southwell（Southwel，1980）的积分 )配置。下文描述并讨论了扫描X射线相衬数据定量重建的两种方法及其性能。

傅里叶技术基于导数函数的傅里叶变换的特性。对由垂直和水平相位梯度图像形成的复数图像分别作为实部和虚部进行二维傅里叶变换。因此，在傅里叶空间中获得由频率坐标复数和加权的相位图像。对频率空间中的相位图像表示进行傅里叶逆变换，以确定定量相移φ直接空间中的信息，

$[\varphi（x，y）={\rm{Real}}\left\{F^{，-1}\left[{F\left（{{\alpha_x}+i{\alfa_y}}\right）（u，v）}\ over{2\pi{i}（u+iv）}\right]（x，y）\right\}，\eqno（2）]$

哪里 $[{\alpha_x}]$ 和 $[{\alpha_y}]$ 是水平和垂直相位梯度，u个和v（v）是倒数坐标，Real（…）表示复函数的实数部分。逆傅里叶变换的虚部包含相位重建的误差，通常以小于实部10%的强度表示（Holzner，2010 ).

使用快速傅立叶变换（FFT）算法的直接积分非常快速且易于实现。基于离散傅里叶变换（DFT）的方法的缺点是，变换在输入图像中具有周期性。因此，当被调查的样本跨越图像边界时，它将在重建过程中创建人工制品。为了克服这个限制，MMX-I型通过在差分相位对比图像的两个方向上进行镜像处理，用户可以创建冯·诺依曼边界条件（见图6). 在镜像导数积分（MDI）或反对称导数积分（ASDI）（Bon）之后，图像在两个方向上进行镜像等人。, 2012 ). 然后对结果图像进行相位重建，并自动裁剪以获得所研究的相位。必须注意，为了避免方程（2）中的发散，相位的傅里叶变换的零频率值设置为零。这意味着相位偏移丢失，积分相位之和必须为零。然而，可以使用相位图中没有物体的区域来校准相移。

图6
利用Southwell反演蛾头的相位(一)和傅里叶积分(b条)技术。将两幅图像上测量的垂直剖面进行比较(d日). 吸收对比度图像(c（c）)显示了样品架的高衰减。

众所周知，迭代方法（如最小二乘积分与Southwell配置方法）非常有效，尤其是当DPC图像中存在强不连续性时。Southwell方法包括水平和垂直方向梯度的线性积分。在每个迭代步骤中，相移图 $[\varphi_{jk}^{\，i+1}]$ 计算如下：，

$[\varphi_{jk}^{\，i+1}=\varphi_{jk{^{\、i}+w\左[{\bar\varphi_2k}^}，i}+{\左（{\alpha_{j，k+1}^{，x}-\alpha_{j，k-1}^{\\，x{+\alpha_2j+1，k}^\\，y}-\alpha_{j-1，k}，y{\右）}\上2}-\varphi_{jk}^{\，i}}\right]，\eqno（3）]$

哪里我是迭代步骤，w个松弛因子和j个, k个像素坐标。

松弛因子w个这将使解收敛到实际相位值，取决于算法更新策略。向用户提出了雅可比算法和高斯-赛德尔算法。在第一种情况下，当整个地图已经被处理时，阶段被更新。松弛因子必须在间隔]0，1]中定义。在第二种情况下，相位图在每个像素处理后更新。放松w个具有最佳值，该值仅取决于N个，测量梯度值的数量，

$[w_｛\rm｛optimal｝｝＝｛｛2｝\超过｛1+\sin[\pi/（N+1）]}｝。\等式（4）]$

图6给出了使用两种积分技术对蛾头（Medjoubi）扫描成像数据进行相位重建的示例等人。, 2013b条). DPC显示了样品支架的强吸收产生的大不连续性（图6c（c）). 正如预期的那样，傅立叶重建技术引起了大的低频强度变化，这污染了整个图像并抑制了任何定量信息。使用迭代方法可以发现这种效果更加局部化：人工制品被限制在不连续周围的区域内。图中显示了两种方法分别重建的相位图像中的两个轮廓。可以看出，与迭代方法相比，FFT方法大大降低了动态响应。同时，Southwell技术的主要缺点是计算时间长：在像蛾子那样的100万像素投影图像的情况下，它可以达到几分钟。

通过在MMX-I型这两种相位积分方法，用户可以在计算时间和预期更精确的定量相位重建之间做出合理的折衷。

用傅里叶积分方法研究了定量相位重建。为了验证由执行的重建MMX-I型在14keV的能量下测量了尼龙丝的DPC图像。相移之间的关系φ具有波长的X射线束λ在样品厚度范围内吨折射率的实部为δ可以写为

$[\varphi={{2\pi}\over{\lambda}}\，t\，\delta.\eqno（5）]$

水平和垂直导线的标称直径分别为50µm和100µm。使用方程（5）从相移图中确定导线厚度分布如图7所示(一)14 keV折射率的实际部分和所用尼龙的密度分别为1.63×10⁻⁶和1.13克厘米⁻³（Keyriläinen等人。, 2002 ). 计算的厚度与标称值非常吻合。厚度重建的误差估计为样品外部区域内噪声的～1µm RMS（图7中的橙色正方形一). 为了进行比较，从吸收图像计算出的厚度分布如图7所示(b条); 与由相移重建的厚度图相比，它的信噪比（SNR）很低，噪声很高。此外，对象外部评估的噪声约为12µm RMS（图7中的橙色正方形b条).

图7
从相位检索图像中获得的定量厚度重建(一)和吸收图像(b条).

2.4.2. 多模态层析重建

X射线断层重建算法在文献中广为人知并有详细描述（Kak&Slaney，2001). 重建算法，如FBP（Bracewell&Riddle，1967）)和ART（戈登等人。, 1970 )在中实现MMX-I型每种处理方法都有特定的滤波器和重建参数，可以针对每个对比度模态的重建计算进行优化。

FBP基于傅里叶切片定理（Kak&Slaney，2001）). 该定理描述了以给定角度获得的物体平行1D投影的傅里叶变换与物体2D傅里叶转换中以相同角度获得的轮廓之间的相等性。当包括其他投影时，频率空间由其他旋转角度填充。通过适当的频率加权校正了零频率附近低频的过度表示。

权重函数（如斜坡函数乘以汉明窗）被广泛使用，因为它们通常为大多数对比度模式提供最佳结果。差分相位对比度是一种特殊情况。事实上，通过使用希尔伯特滤波器（Pfeiffer等人。, 2007 )，相位积分直接从DPC正弦图中获得。因此，这两个过滤器被实现为MMX-I型.

FBP是一种非常快速和稳健的方法。同时，只有当角度投影的总数高于或等于投影平均分辨率的一半时，重建的图像才是无伪影的（Kak&Slaney，2001)如果信噪比高。在扫描方法中，尤其是XRF成像仪(例如微量元素检测），这两个条件并不总是满足的。在这种情况下，迭代方法很适合。尽管计算成本很高，但它允许处理较少的投影和较低的信噪比。该方法首先通过简单的反向投影获得目标密度分布的初始估计。通过将此初始估计预测的投影与实际获得的投影进行比较，对估计的层析图像进行更改。每个投影P（P）_我建模如下，

$[{P_i}=\textstyle\sum\limits_{j\，=\，1}^N{f_j}\，{w_{ij}}，\eqno（6）]$

具有我投影数（从1到M（M），投影总数），j个层析图中的像素数，N个断层图像的像素总数，（f）_j个像素的衰减值j个、和w个_我j个的权重因子我th投影和j个第个像素。后者对应于j个被截获的第个像素我第个投影P（P）_我。这也可以是逻辑值（0或1），以便节省创建w个矩阵，但精确度较低。

两种测定（f）_j个已集成到MMX-I型：标准ART和SIRT（吉尔伯特，1972年 ). 在第一种情况下（f）_j个像素处的值j个通过每次使用一个投影来更新。对应的表达式（f）_j个对于k个第次迭代是

$[f_j^{，k}=f_j_{，k-1}+{w_{ij}}，{{P_i-\textstyle\sum_{j\，=\，1}^N\，f_j\，w_{ij}}\在{\左（\textstyle\sum_{j，=，1}^N w_{i j}\右）^2}}.\eqno（7）]$

在SIRT技术中（f）像素处的值j个使用整个投影进行更新。的对应表达式（f）对于k个第次迭代是

$[f_j^{，k}=f_j_{，k-1}+{{\textstyle\sum_{i\，=\，1}^MP_i}\在{\texttyle\sum_i\，=\，1{^M\textstyle\sum_{j\，=，1}^N w_{i}}在{\textstyle\sum_{i\，=\，1}^M\left（\textstyle\sum_{j\，=\\，1}^N w_{ij}\right）^2}}.\eqno（8）]上$

SIRT技术具有显著降低噪声和边缘增强伪影的优点（Leis，2009 ). 另一方面，与本文详细介绍的其他技术相比，SIRT方法收敛速度较慢，并且需要更多的计算资源。

如前所述，迭代方法（ART和SIRT）非常适合于XRF层析成像。为了说明这一点，在能量为14 keV（Medjoubi等人。, 2013一 )已使用处理MMX-I型该试样由一根直径为500µm的玻璃毛细管和一根铜线（直径为40µm）组成，该毛细管包含三根尼龙纤维（两条直径为100µm，一条直径为50µm。通过500个角投影测量样品的虚拟切片，这些角投影均匀分布在360°上。一个投影由步长为4µm的500个像素组成。

FBP和SIRT层析重建在一种情况下使用了所有500个投影，而在另一种情况中使用了仅包含30个投影的子数据集。结果如图8所示.

图8
通过FBP（顶行）和SIRT（底行）使用500重建散射（瑞利+康普顿）分布(一和c（c）)和30个角投影(b条和d日)由三根尼龙纤维和一根铜线组成的毛细管(一)为清晰起见]。

正如预期的那样，与FBP相比，SIRT方法重建的断层图具有更好的信噪比，并且呈现的伪影更少[例如图8中缺失的星形伪影(d日)与图8相比(b条)]。与传输方式相比，XRF正弦图中的信号通常较低。在这种情况下，即使使用完整的数据集，FBP重建的层析图像也是有噪声的，如图8所示(一)SIRT重建断层图的情况较少[囊性纤维变性。图8(c（c）)和8(d日)]。具有大角度采样间隔，即在每个投影之间12°（30个投影数据集），FBP会产生叠加在有用信号上的重要星状伪影。SIRT未观察到此类人工制品。此外，SIRT断层图像的信噪比大于5，即优于Rose标准（Rose，1948 ). 由于角度投影有限，在处理30个投影数据集的情况下，空间分辨率较差。

无论使用何种方法，层析重建算法都是基于组合不同角度的投影，这要求对正弦图进行测量误差校正，如§2.3所述否则，重建将包含伪影，从而降低图像质量。为了处理这个问题，校正算法被仔细地集成到MMX-I型.

2.5. 用户界面

图形用户界面（GUI）的设计旨在引导非专业用户完成复杂的数据处理。它遵循工作流程的面板结构，从数据输入到相位对比和层析重建。每个面板显示验证或调整实际流程的默认参数所需的主要信息。专家用户通过在每个面板的专用菜单栏中导航，可以找到更多选项和参数。每个步骤/面板MMX-I型可按特定顺序访问，必须按顺序完成，以确保输入数据处理的基本参数。只有当面板完成后，用户才能进入下一步，即他们可以继续到下一个面板，也可以返回到上一个面板来调整或添加参数。GUI基于摆动平台相关Java小部件工具包和图像J，用于显示图像并提供与用户输入的图像交互。

与原始数据输入和可视化部分相对应的GUI面板如图9所示。在此面板中，HDF5文件的原始数据，例如测量的透射图像（如图的上半部分所示）显示在界面的右上角，XRF光谱面板显示在右下角。2D探测器图像的当前ROI会自动显示，用户可以手动修改。使用滚动条浏览扫描的测量像素时，显示的数据会更新。作为一种选择，也可以通过选择“均值函数”来获得整个数据集的每个XRF检测器的和谱，如图9所示。例如，该光谱可用于能量校准。此外，可以在此选项卡中设置XRF光谱中的ROI、电机位置校正和热像素去除参数。

图9
的图形用户界面MMX-I型.

3.示例

提供的可能性MMX-I型这里用一些例子来说明。测量是在基于FZP的Nanoscopium微生物终端进行的。

3.1. 标准结构的二维多模成像

纳米结构校准图的二维快速扫描成像，包括SOLEIL标志（250µm宽，75µm高），采用400 nm×400 nm像素尺寸进行测量。对于300×800像素的扫描，总测量时间不到10分钟，代表40GB的数据量。吸收对比度、差分相位对比度、暗场对比度、相位对比度和Au、Ni图用MMX-I型使用笔记本电脑不到5分钟（Intel core i7-4900MQ、16Go Ram、1To Samsung SSD EVO 840），如图10所示金和镍结构的重构相移分别为0.6和0.66rad，与从吸收图像中提取的厚度值吻合良好。

图10
吸收(一)，阶段(b条)，暗场(c（c）)和XRF(d日)SOLEIL标志的图像由金（红色）和镍（绿色）制成，结构尺寸小于200纳米。

3.2. 微化石的多技术层析成像

微化石是古环境解释的宝贵工具。由于有孔虫在大多数海洋环境中普遍存在，并且在寒武纪（>5亿年）至今的地质记录中数量丰富，因此它是全球古海洋学中研究最广泛的化石记录群之一（Fischer&Wefer，1999 ).

有孔虫是单细胞真核生物（原生动物）。许多物种分泌由碳酸钙（CaCO）组成的外壳_三). 在分泌过程中，微量元素被从海水中吸收到这个钙质外壳中（Boyle，1981 ; 蒙塞尔等人。, 2010 )，浓度取决于周围海水条件。因此，从有孔虫测量中获得的地球化学数据也被用作古气候学的替代物。此外，如果我们能够了解过去的生物是如何应对环境变化的，那么这些信息就可以用来预测未来的自然或人为环境变化会如何影响地球生物群。了解有孔虫生物矿化过程中重金属掺入的机制是解释这些地质记录的基本关键，在这些地质记录中，空间分辨率和高分析灵敏度的3D元素和形态研究可能会为现有的大部分研究带来重要的新信息。

为了测试对这些样品进行硬X射线断层扫描的可能性，我们对一个有孔虫化石进行了3D多技术断层扫描。层析成像是以角度步进进行的 $[\Delta\Theta]$ =1.8°，大于180°。我们的目标是获得中等的2µm×2µm空间分辨率，因为样品的尺寸较大，为300µm x 100µm x120µm。我们在切片之间以1µm的步长测量了23个虚拟切片。采集是在x个（扫描线）， $[\Theta]$ （在垂直于扫描线的轴上旋转）和z（z）（垂直于扫描线的轴）序列，用 $[\增量x]$ =1µm步长，然后执行旋转步长( $[\Delta\Theta]$ ). 测量时间为每像素3毫秒。500×200×23像素的总测量时间，每个像素包含XRF、传输数据、数据坐标等等。如上所述，为3小时。它产生了500 GB的数据文件。对该数据集进行了分析，并通过以下方法重建了不同形态的断层图MMX-I型在图11中给出了重构相、暗场的体绘制以及铁和钙的分布。对于有孔虫，DPC可以获得最佳的形态对比度，其中含有薄（～10µm）CaCO_三外壳。最高的暗场对比度表明高散射颗粒结构对应于吸收率较低的结构，其中不含钙。这些高散射光结构大多位于外壳内部。有趣的是，铁分布在高度分散的内部结构中，并且在有孔虫外部也以小铁颗粒的形式分布。在其他高散射结构中未发现明显的Fe。

图11
有孔虫样品的多模体绘制。重建的相位以灰色显示。

4.讨论和结论

这个MMX-I型据我们所知，在SOLEIL的Nanoscopium光束线开发的软件是第一个旨在治疗扫描多技术成像和断层扫描实验的所有模式（ptychography除外）的软件工具。

MMX-I型包括2D成像和层析成像的不同数据校正和重建方法。对于迄今为止包括的每种对比度模式，即扫描XRF、差分相位对比度、吸收对比度和暗场，该软件提供了专用的默认数据处理和层析重建方法，根据我们的经验，该方法最适合大多数样本类型的给定模式。因此，不熟悉X射线成像的用户可以轻松使用该软件。有孔虫和标准结构的例子很好地说明了这一点，其中默认的ROI、“照明掩模”、重建方法和变量用于数据处理。有X射线成像治疗经验的用户有可能修改和优化所有参数。这种多样性和灵活性使MMX-I型适用于快速多模成像数据处理的软件工具。多模成像为所有模式的组合提供了额外的可能性，以获得量化的完整信息。对于强吸收样品基质中的轻元素，XRF层析数据的自吸收校正至关重要，它将在MMX-I型.

模块化结构MMX-I型集成其他成像方式或重建算法（Gürsoy等人。, 2015 )简单易用。例如，可以集成其他方法，例如全场层析成像作为一种新的成像方式，可以用于相关成像。然而，MMX-I型并不打算取代现有的功能强大的全视野断层重建软件工具。

此外，该软件的一个重要功能是专用的数据读入API，名为Hdf5Opener，它使得在标准和笔记本电脑用户PC上也可以读入和处理数百GB的大型数据文件。这是大型用户社区使用该软件的关键标准。此外，波束线数据处理服务器提供的快速数据读入使得用户实验期间的数据预处理和层析重建成为可能。独立的Hdf5Opener API可以很容易地被其他软件使用。

这个MMX-I型在Nanoscopium光束线的用户和其他用户社区都可以使用免费软件进行扫描多模成像的数据处理。的编译版本MMX-I型可在https://bitbucket.org/antoinebergamaschi/mmx-i/wiki/Home网站。源代码可根据需要从作者处获得。

致谢

作者感谢SOLEIL支持小组的持续帮助、建议和专业知识。特别感谢Nicolas Leclercq为FLYSCAN的开发所做的工作。我们感谢Isvan Mohacsi和Delphine Desmares提供了测试结构和有孔虫样品。

参考文献

Andrew Leis，B.R.（2009）。生物化学趋势。科学。 34, 60–70. 科学网公共医学谷歌学者
 aXis2000（1997年）。aXis2000型,https://unicorn.mcmaster.ca/aXis2000.html. 谷歌学者
 Azevedo，S.G.、Schneberk，D.J.、Fitch，J.和Martz，H.E.（1990年）。IEEE传输。无。科学。 37, 1525–1540. 交叉参考科学网谷歌学者
 Bon，P.、Monneret，S.和Wattellier，B.（2012年）。申请。选择。 51，5698–5704科学网交叉参考公共医学谷歌学者
 Boyle，E.A.（1981年）。地球行星。科学。莱特。 53, 11–35. 交叉参考中国科学院科学网谷歌学者
 Bracewell，R.N.&Riddle，A.C.（1967年）。天体物理学。J。 150, 427. 交叉参考科学网谷歌学者
 Bunk，O.，Bech，M.，Jensen，T.H.，Feidenhans l，R.，Binderup，T.，Menzel，A.&Pfeiffer，F.（2009年）。新J.Phys。 11, 123016. 科学网交叉参考谷歌学者
 Chen，R.-C、Dreossi，D.、Mancini，L.、Menk，R.、Rigon，L.、Xiao，T.-Q和Longo，R.（2012）。J.同步辐射。 19, 836–845. 科学网交叉参考 IUCr日志谷歌学者
 Colvin，R.A.、Lai，B.、Holmes，W.R.和Lee，D.（2015）。金属组学,7, 1111–1123. 科学网交叉参考中国科学院公共医学谷歌学者
 Fischer，G.和Wefer，G.（1999）。古海洋研究中代词的使用。柏林/海德堡：施普林格。谷歌学者
 Gilbert，P.（1972年）。J.西奥。生物。 36, 105–117. 交叉参考中国科学院公共医学科学网谷歌学者
 Gonzalez，R.C.&Woods，R.E.（2006）。数字图像处理第三版，新泽西州：Prentice-Hall。谷歌学者
 Gordon，R.、Bender，R.和Herman，G.T.（1970年）。J.西奥。生物。 29, 471–481. 交叉参考中国科学院公共医学科学网谷歌学者
 Grieken，R.V.&Markowicz，A.（2001年）。X射线光谱分析手册第2版，纽约：CRC出版社。谷歌学者
 Gürsoy，D.、Biçer，T.、Lanzirotti，A.、Newville，M.G.和De Carlo，F.（2015）。选择。快递,23, 9014–9023. 科学网公共医学谷歌学者
 Gürsoy，D.、De Carlo，F.、Xiao，X.和Jacobsen，C.（2014）。J.同步辐射。 21, 1188–1193. 科学网交叉参考 IUCr日志谷歌学者
 Holzner，C.（2010年）。硬X射线相位对比显微镜——技术和应用。纽约：石溪大学。谷歌学者
 Jonge，M.D.de、Hornberger，B.、Holzner，C.、Legnini，D.、Paterson，D.、McNulty，I.、Jacobsen，C.和Vogt，S.（2008年）。物理学。修订稿。 100, 163902. 科学网交叉参考公共医学谷歌学者
 Kak，A.C.和Slaney，M.（2001年）。计算机断层成像原理。费城：工业和应用数学学会。谷歌学者
 Keyriläinen，J.、Fernández，M.和Suortti，P.（2002）。无。仪器。方法物理学。决议A,488，419–427谷歌学者
 Könnecke，M.，Akeroyd，F.A.，Bernstein，H.J.，Brewster，A.S.，Campbell，S.I.，Clausen，B.，Cottrell，S.，Hoffmann，J.U.，Jemian，P.R.，Männicke，D.，Osborn，R.，Peterson，P.F.，Richter，T.，Suzuki，J.，Watts，B.，Wintersberger，E.&Wuttke，J.（2015）。J.应用。克里斯特。 48, 301–305. 科学网交叉参考 IUCr日志谷歌学者
 Kottler，C.、David，C.、Pfeiffer，F.&Bunk，O.（2007年）。选择。快递,15, 1175–1181. 科学网交叉参考公共医学中国科学院谷歌学者
 Leclercq，N.、Berthautt，J.、Langlois，F.、Le，S.、Poirier，S.和Bisou，J.，Blache，F.，Medjoubi，K.和Mocuta，C.（2015）。FLYSCAN：SOLEIL光束线的快速多技术数据采集平台。澳大利亚墨尔本。谷歌学者
 Lerotic，M.、Mak，R.、Wirick，S.、Meirer，F.和Jacobsen，C.（2014）。J.同步辐射。 21, 1206–1212. 科学网交叉参考中国科学院 IUCr日志谷歌学者
 Liu，Y.、Meirer，F.、Williams，P.A.、Wang，J.、Andrews，J.C.和Pianetta，P.（2012）。J.同步辐射。 19, 281–287. 科学网交叉参考中国科学院 IUCr日志谷歌学者
 Medjoubi，K.，Bonissent，A.，Leclercq，N.，Langlois，F.，Mercère，P.&Somogyi，A.（2013年）一).程序。间谍活动,8851, 88510. 谷歌学者
 Medjoubi，K.、Leclercq，N.、Langlois，F.、Buteau，A.、Lé，S.、Poirier，S.，Merceère，P.、Sforna，M.C.、Kewish，C.M.和Somogyi，A.（2013）b条).J.同步辐射。 20, 293–299. 科学网交叉参考中国科学院 IUCr日志谷歌学者
 Menzel，A.、Kewish，C.M.、Kraft，P.、Henrich，B.、Jefimovs，K.、Vila-Comamala，J.、David，C.、Dierlf，M.、Thibault，P.和Pfeiffer，F.&Bunk，O.（2010）。超微显微镜,110, 1143–1147. 科学网交叉参考中国科学院公共医学谷歌学者
 Messaoudii，C.、Boudier，T.、Sanchez Sorzano，C.O.和Marco，S.（2007）。BMC生物信息学,8，288谷歌学者
 Mukaide，T.、Takada，K.、Watanabe，M.、Noma，T.和Iida，A.（2009年）。科学评论。仪器。 80, 033707. 科学网交叉参考公共医学谷歌学者
 Munsel，D.、Kramar，U.、Dissard，D.、Nehrke，G.、Berner，Z.、Bijma，J.、Reichart，G.-J.和Neumann，T.（2010）。生物地球科学,7, 2339–2350. 科学网交叉参考中国科学院谷歌学者
 Pfeiffer，F.、Kottler，C.、Bunk，O.和David，C.（2007年）。物理学。修订稿。 98, 108105. 科学网交叉参考公共医学谷歌学者
 Poirier，S.、Marechal，C.、Ounsy，M.、Buteau，A.、Martinez，P.、Gagey，B.、Pierrot，P.，Mederbel，M.和Rochat，J.（2009年）。太阳同步加速器Nexus格式的实验数据存储管理第75页。神户日本。谷歌学者
 Reenskaug，T.（1979年）。模型视图控制器（MVC）——它的过去和现在,https://heim.ifi.uio.no/~trygver/themes/mvc/mvc-index.html. 谷歌学者
 Rizk，A.、Paul，G.、Incardona，P.、Bugarski，M.、Mansouri，M.，Niemann，A.、Ziegler，U.、Berger，P.和Sbalzarini，I.F.（2014）。《国家协议》。 9, 586–596. 科学网交叉参考中国科学院公共医学谷歌学者
 Rose，A.（1948年）。J.选项。美国南部。 38，196–208交叉参考公共医学中国科学院科学网谷歌学者
 Saalfeld，S.、Fetter，R.、Cardona，A.和Tomancak，P.（2012）。自然方法,9, 717–720. 科学网交叉参考公共医学谷歌学者
 Schneider，C.A.、Rasband，W.S.和Eliceiri，K.W.（2012）。自然方法,9, 671–675. 科学网交叉参考中国科学院公共医学谷歌学者
 Sforna，M.C.，Philippot，P.，Somogyi，A.，van Zuilen，M.A.，Medjoubi，K.，Schoepp-Cothenet，B.，Nitschke，W.&Visscher，P.T.（2014）。自然地质学。 7，811–815科学网交叉参考中国科学院谷歌学者
 Solé，V.A.，Papillon，E.，Cotte，M.，Walter，P.&Susini，J.（2007）。光谱学。B学报,62, 63–68. 谷歌学者
 Somogyi，A.，Medjoubi，K.，Baranton，G.，Le Roux，V.，Ribbens，M.，Polack，F.，Philippot，P.&Samama，J.-P.（2015）。J.同步辐射。 22, 1118–1129. 科学网交叉参考中国科学院 IUCr日志谷歌学者
 Southwell，W.H.（1980）。J.选项。美国南部。 70, 998–1006. 交叉参考科学网谷歌学者
 HDF集团（2015年b条).Hdf5视图。美国伊利诺伊州HDF集团谷歌学者
 HDF集团（2015年一).Hdf5集团,https://www.hdfgroup.org/. 谷歌学者
 Vogt，S.（2003）。《物理学杂志》。四,104, 4. 谷歌学者
 Weitkamp，T.、Haas，D.、Wegrzynek，D.和Rack，A.（2011年）。J.同步辐射。 18, 617–629. 科学网交叉参考中国科学院 IUCr日志谷歌学者