[論文レビュー] Objective crystallographic symmetry classifications of a noisy crystal pattern with strong Fedorov type pseudosymmetries and its optimal image-quality enhancement

Peter Moeck|arXiv (Cornell University)|Apr 27, 2022

Advanced Electron Microscopy Techniques and Applications参考文献 48被引用数 11

ひとこと要約

本論文は、ノイズが混在する2次元周期的結晶パターンにおける客観的な結晶学的対称性の分類を、情報理論的手法を用いて行う。人為的判断を要せず、真の対称性とフェドロフ型偽対称性を区別する。フーリエ係数を分析し、統計的モデル選択を適用することで、対称性に基づく平均化による最適な画像強調が可能となり、視覚的または従来のソフトウェアベースの分類をはるかに上回る信号対雑音比と分解能が得られる。

ABSTRACT

Statistically sound crystallographic symmetry classifications are obtained with information theory based methods in the presence of approximately Gaussian distributed noise. A set of three synthetic patterns with strong Fedorov type pseudosymmetries and varying amounts of noise serve as examples. Contrary to traditional crystallographic symmetry classifications with an image processing program such as CRISP, the classification process does not need to be supervised by a human being and is free of any subjectively set thresholds in the geometric model selection process. This enables crystallographic symmetry classification of digital images that are more or less periodic in two dimensions (2D), a.k.a. crystal patterns, as recorded with sufficient structural resolution from a wide range of crystalline samples with different types of scanning probe and transmission electron microscopes. Correct symmetry classifications enable the optimal crystallographic processing of such images. That processing consists in the averaging over all asymmetric units in all unit cells in the selected image area and significantly enhances both the signal to noise ratio and the structural resolution of a microscopic study of a crystal. For sufficiently complex crystal patterns, the information-theoretic symmetry classification methods are more accurate than both visual classifications by human experts and the recommendations of one of the popular crystallographic image processing programs of electron crystallography.

研究の動機と目的

• ノイズが混在する2次元周期的パターンにおける結晶学的対称性を、客観的かつ自動的に分類する手法の開発。
• 主観的な人為的解釈に依存せずに、真の対称性とフェドロフ型偽対称性を区別すること。
• 対称性分類における幾何的モデル選択における手動で設定されたしきい値の必要性を排除すること。
• 対称性に基づく平均化を用いた最適な結晶学的画像処理を可能とし、信号対雑音比と分解能を向上させること。
• 視覚的分類や既存の結晶学的画像処理ソフトウェア（例：CRISP）に対する統計的に妥当な代替手段を提供すること。

提案手法

• 本手法は、フーリエ領域における残差二乗和誤差に基づき、競合する対称性モデルを情報理論的に評価する。
• アカイケ情報基準（AIC）または類似の基準を用いて、平面対称群および投影ラウエクラスの上位階層におけるモデル選択を実施する。
• 本手法はフーリエ空間に限定して動作し、周期的で対称性関連の特徴を抽出するために、構造に寄与しない係数をフィルタリングする。
• 構造に寄与するフーリエ係数の残差誤差を雑音レベルと比較することで、各対称性モデルの尤度を計算する。
• 情報損失を最小化する対称性群を選択することで、ほぼガウス分布に従う雑音下でも統計的に頑健な性能を確保する。
• 最終的な画像強調は、選択された対称性群におけるすべての非対称単位の平均化によって達成され、構造の周期性を活用する。

実験結果

リサーチクエスチョン

• RQ1 情報理論的手法は、人間の専門家やCRISPなどのソフトウェアが失敗するノイズが強い2次元パターンにおいて、結晶学的対称性を信頼性高く分類できるか？
• RQ2 提案手法は、視覚的分類やCRISPに比べて、真の対称性とフェドロフ型偽対称性をどれほど効果的に区別できるか？
• RQ3 対称性に基づく平均化は、実験的画像において信号対雑音比と構造的分解能をどの程度向上できるか？
• RQ4 人為的判断や主観的なしきい値の設定なしに、結晶学的対称性分類を完全に自動化することは可能か？
• RQ5 直接空間的手法と比較して、ノイズレベルが上昇する条件下で本手法の性能はどの程度低下するか？

主な発見

• 情報理論的手法は、強い偽対称性を示す合成パターンにおいて、真の平面対称群（p4）を正しく分類したが、CRISPは偽対称性の混乱によりp4gmと誤って分類した。
• 本手法は、高いノイズレベルのパターンに対しても、対称性に基づく平均化により顕著な信号対雑音比の向上を達成した。
• ノイズなしおよび高ノイズのパターンにおいて、本手法の分類精度は人間の専門家およびCRISPを上回り、特に偽対称性アーチファクトの解消において顕著であった。
• 本手法は、モデル選択における視覚的検査や手動でのしきい値設定の必要性を排除し、完全に自動化された処理を可能にした。
• 直接空間的手法に比べ、本手法はより優れた統計的頑健性を示した。ノイズが増加するにつれて、直接空間的手法は誤分類のリスクが著しく上昇するが、本手法はその影響を抑えられた。
• 結果から、情報理論的対称性分類手法を3次元結晶学に拡張することで、X線回折や中性子回折解析における主観的要因の低減が可能になると考えられる。