[논문 리뷰] 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)|2022. 04. 27.

Advanced Electron Microscopy Techniques and Applications참고 문헌 48인용 수 11

한 줄 요약

이 논문은 정보 이론적 방법을 사용하여 잡음이 있는 2차원 결정 구조 패턴에서 결정학적 대칭성을 객관적으로 분류한다. 인간의 객관적 판단 없이 진정한 대칭성과 페도로프 유형의 가짜 대칭성을 구분하며, 푸리에 계수를 분석하고 통계적 모델 선택 기법을 적용함으로써 대칭 기반 평균화를 통해 최적의 영상 강화를 실현한다. 이는 시각적 또는 기존 소프트웨어 기반 분류를 뛰어넘어 신호 대 잡음 비율과 해상도를 크게 향상시킨다.

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.

연구 동기 및 목표

• 잡음이 있는 2차원 정현적 패턴에서 결정학적 대칭성을 객관적이고 자동화된 방법으로 분류하는 데 목적이 있다.
• 주관적인 인간 해석에 의존하지 않고 진정한 대칭성과 페도로프 유형의 가짜 대칭성을 구분하는 데 목적이 있다.
• 대칭성 분류 과정에서 기하학적 모델 선택 시 수동으로 설정한 임계값이 필요 없도록 하는 데 목적이 있다.
• 대칭 기반 평균화를 통해 최적의 결정학적 영상 처리를 실현하여 신호 대 잡음 비율과 해상도를 향상시키는 데 목적이 있다.
• 시각적 분류 및 기존의 결정학적 영상 처리 소프트웨어인 CRISP와 같은 방법에 통계적으로 타당한 대안을 제공하는 데 목적이 있다.

제안 방법

• 이 방법은 푸리에 도메인에서 잔차 제곱합 오차를 기반으로 경쟁하는 대칭 모델을 평가하기 위해 정보 이론을 사용한다.
• 아카이케 정보 기준(AIC) 또는 유사 기준을 사용하여 평면 대칭군과 투영 라우 클래스에 대해 계층적 모델 선택 과정을 적용한다.
• 이 방법은 푸리에 공간에서만 작동하며, 구조를 담고 있지 않은 계수를 걸러내어 주기적이고 대칭 관련 특징을 분리한다.
• 각 대칭 모델의 가능성을, 구조를 담고 있는 푸리에 계수의 잔차 오차를 잡음 수준과 비교하여 계산한다.
• 정보 손실가장 최소화하는 대칭군을 선택함으로써, 약간의 가우시안 잡음 조건 하에서도 통계적으로 강인한 결과를 확보한다.
• 최종 영상 강화는 선택된 대칭군 내 모든 비대칭 단위에 대해 평균화함으로써 달성되며, 이는 구조의 주기성에 기반한다.

실험 결과

연구 질문

• RQ1 정보 이론 기반 방법이 인간 전문가나 CRISP와 같은 소프트웨어가 실패하는 잡음이 많은 2차원 패턴에서 결정학적 대칭성을 신뢰성 있게 분류할 수 있는가?
• RQ2 제안된 방법이 진정한 대칭성과 페도로프 유형의 가짜 대칭성을 구분할 때 시각적 분류 및 CRISP보다 어떻게 뛰어나게 되는가?
• RQ3 대칭 기반 평균화가 실험 영상에서 신호 대 잡음 비율과 구조적 해상도를 어느 정도 향상시킬 수 있는가?
• RQ4 사람의 객관적 판단이나 주관적인 임계값 설정 없이 결정학적 대칭성 분류를 자동화할 수 있는가?
• RQ5 직접 공간 기반 접근 방식과 비교해 볼 때, 노이즈 수준이 증가함에 따라 이 방법의 성능은 어떻게 저하되는가?

주요 결과

• 정보 이론 기반 방법은 강한 가짜 대칭성을 가진 합성 패턴에서 진정한 평면 대칭군(p4)을 정확히 분류했으며, CRISP는 가짜 대칭성 혼동으로 인해 p4gm으로 잘못 분류했다.
• 심지어 고잡음 수준의 패턴에서도 대칭 기반 평균화를 통해 신호 대 잡음 비율 향상 효과를 크게 확보했다.
• 잡음이 없는 패턴과 고잡음 패턴 모두에서 이 방법의 분류 정확도는 인간 전문가와 CRISP를 모두 뛰어넘었으며, 특히 가짜 대칭성 잔여물 해결에서 뛰어난 성능을 보였다.
• 모델 선택 과정에서 시각적 검토나 수동 임계값 설정이 필요 없어졌으며, 완전히 자동화된 처리가 가능해졌다.
• 직접 공간 기반 접근 방식에 비해 통계적으로 더 강인한 성능을 보였으며, 노이즈가 증가할수록 잘못된 분류 위험이 증가하는 경향이 있는 반면 이 방법은 그 영향을 덜 받았다.
• 결과적으로 정보 이론 기반 대칭성 분류 방법을 3차원 결정학으로 확장하여 X선 및 중성자 衍射 분석에서의 주관성 문제를 줄이는데 기여할 수 있을 것으로 보인다.