电子和扫描探针显微镜的发展导致了壮观的画面与纳米物质的内部结构和组成,分子和原子分辨率。这种进步得益于计算机辅助显微镜操作,数据采集,分析。在21世纪,成像技术的进步促进了high-veracity结构和功能信息的可用性。从硬件的角度来看,高分辨率成像技术可以解决原子位置大约微微米精度,允许单个债券长度和角度的定量测量。功能成像常常生成多维数据集,其中包含部分或完整的信息所需的属性等多个参数的函数的时间,温度,或者其他外部刺激。电子显微镜正在经历一个范式转换,即从传统的生产模式只有少数显微图的当前状态,许多图像和光谱可以数字化记录到一个新的模式和非常大量的数据,包括电影,ptychographic,多维系列可以迅速获得。

无人监督的多变量统计技术可以用来调查突出高维图像特征显微镜数据通过应用大数据高维显微镜数据的方法。令人惊讶的是,尽管算法的纯粹的统计性质,它不需要先验知识的材料,任何共存的阶段,或任何微分结构,k - means聚类显示域分化。虽然这是一个简单的例子,它演示了如何提取有用的物理和结构信息无论样本或工具性形态。此外,人类可能需要解释这些类型的结果。然而,算法的开放性质和普及使广泛的协作和探索性工作,对于有效的电子显微镜数据分析是必要的。从历史上看,整个数据集访问的障碍包括检测器采集速度的限制;数据存储需求,数据处理、合成、和可视化需要提取有用的信息。近年来,数据采集和存储技术先进的显著意义现在可以快速捕获和存储大型多维数据集。然而,固有的复杂性和缺乏数学工具来观察和分析这些数据加剧了数据的瞬时信息内容。预期可用的信息可能受基本假设图像形成过程的影响。

这个特殊的问题旨在整理尖端研究显微镜及其生物医学应用。我们欢迎原始研究和评论文章。

潜在的主题包括但不限于以下:

• 扫描探针显微镜
• 数据采集和微观层面的分析
• High-veracity信息分析
• 多维数据分析
• 无人监督的多元
• 高分辨率分析
• 大数据和方法论领域的显微图
• 可视化和分析干预