X射线荧光成像软件：XISMuS-多样品分析与数据可视化

软件X 12（2020）100621原始软件出版物XISMuS-多样品X射线荧光成像软件塞尔吉奥·A放大图片创作者：AndreasL，Boris Bremmers，Giovanni E. GiganteDipartimento di Scienze di Base e Applicate perar t i cl e i nf o文章历史记录：收到2020年8月7日2020年11月3日收到修订版2020年11月4日接受保留字：X射线荧光成像MA-XRF数据可视化a b st ra ct长期以来，X射线一直被用作一种非破坏性的分析技术，用于调查可以被视为文化遗产的人工制品和物品。随着技术的不断发展和电子设备的小型化，X射线荧光（XRF）分析经历了自然的演变，现在以二维方式广泛使用，扫描整个表面并产生惊人的数据量。评估所有这些数据需要一个软件发行版，或者至少一个独立的算法前者是一个明显的选择，因为软件很容易安装，学习曲线很快。此外，开发专有算法是耗时的，并且对于普通用户来说并不总是需要的。在此范围内，XIMuS被开发为一种专用软件用于宏观XRF分析（MA-XRF），具有直观简单的图形用户界面（GUI）。该软件提供了几个内置工具，用于解释X射线荧光数据，自动数据评估和一些新颖的功能，如数据拼接。XISMuS创建了一个迭代的用户数据库，因为样本是通过使用加载和编译的，便于在不同的数据集之间导航。同时的样品可以加载到不同的实例中进行比较。元素映射变得简单，描述了可用的方法，并且每个方法都具有快速，平衡或精确计算的应用程序，支持并行计算。可以测量图像的特定区域中的元素之间的比率可以执行图像相关，支持阈值滤波器和/或区域选择的使用。批量导出也是可用的，交叉规范化输入数据集。©2020作者由爱思唯尔公司出版这是CC BY-NC-ND下的开放获取文章许可证（http://creativecommons.org/licenses/by-nc-nd/4.0/）。代码元数据当前代码版本v1.3.1用于此代码版本的代码/存储库的永久链接https://github.com/ElsevierSoftwareX/SOFTX-D-20-00020代码海洋计算胶囊法律代码许可证MIT许可证使用git的代码版本控制系统使用的软件代码语言、工具和服务Python; Tcl/Tk;GNU-GCC编译要求、操作环境依赖性Microsoft VS Build Tools 2017; xraylib v3.3.0; numpy v1.18.1; numba v0.45.1;llvmlite v0.31; cython; h5 py; opencv-python; scipy; psutils; pywin 32（用于32位系统）; matplotlib如果有开发人员文档/手册的链接https://github.com/linssab/XISMuS/blob/master/HELP.md用户指南pdf是与软件包一起分发。问题支持电子邮件sergio. roma3.infn.it软件元数据当前软件版本v1.3.1此版本可执行文件的永久链接https://sourceforge.net/projects/xismus/files/法律软件许可证MIT许可证计算平台/操作系统Microsoft Windows 7 10安装要求依赖项xraylib 3.3.0版（可选）如果可用，请链接到用户手册-如果正式发布，请包括对出版物的引用参考列表随安装包问题支持电子邮件sergio. roma3.infn.it*通讯作者。电子邮件地址：sergio. roma3.infn.it（S.A.C.L. Lins）。https://doi.org/10.1016/j.softx.2020.1006212352-7110/©2020作者。由爱思唯尔公司出版。这是一篇开放获取的文章，使用CC BY-NC-ND许可证（http://creativecommons.org/licenses/by-nc-nd/4.0/）。可在ScienceDirect上获得目录列表SoftwareX期刊主页：www.elsevier.com/locate/softxS.A.Alberlos Lins，B.Bremmers和GEGigante软件X 12（2020）10062121. 介绍在文化遗产科学中，非破坏性分析一直是优先考虑的，而X射线荧光（XRF）由于易于使用、可靠和非破坏性，一直是主要的分析方法。很长一段时间[1，2]。不到十年前，XRF开始以扫描方式使用，推断其一维性并产生有关化学元素映射的信息。第一次尝试是在同步加速器设施中进行的[3]，在那里专家可以立即创建用于评估所获得的新数据格式的例程。事实上，第一个al-taxms在不久之后就开始开发了，但要么是面向方法的（专注于新分析方法的应用，例如集群），并限于期刊出版物，要么不是作为“直接开箱即用”的代码或软件分发Macro-XRF扫描（现在广为人知）开始成为遗产科学的一种趋势，特别是对于绘画分析，它提供的信息量[4]相对于传统的XRF斑点分析[5]。这一趋势推动了商业MA-XRF系统的创建，该系统拥有自己的数据分析软件，同时也推动了自制系统的发展[6商业上可用的系统提供了获得可用图像的快速且可靠的方式，但是其在开发新方法方面限制了用户，因为数据格式通常是专有的或加密的。此外，这些系统相当昂贵，并且结合由与它们一起提供的封闭软件施加的限制，许多研究小组宁愿开发他们自己的MA-XRF系统。这导致了另一个不可避免的问题：处理这些系统获取的数据。分析变得仅限于内部算法，由于其固有的复杂性，这些算法很难复制或根本不作为开源软件分发。这是用PyMca制作的，PyMca是一种用于XRF数据评估的开源独立软件[9]和MAPS [10]（现在作为PyMAPS移植到Python后者缺乏安装程序包[11]，这使得它很难工作。第三个开源替代方案是Datamuncher [12]，专注于处理大量数据并在IDL虚拟机上运行。PyMca开源并不断更新，适应了MA-XRF数据评估的需求，并成为标准软件[7，13部分归功于它的GUI，分发包的可用性和社区协作。在分析大型MA-XRF数据集时可能出现的一个重要问题是将数据拼接在一起。当处理大样本时（通常是绘画），超过仪器的最大分析面积或工作时间Fig. 1. 数据立方体方案。开源软件，提供直观的图形用户界面（GUI），完全专用于MA-XRF成像。该软件不打算以任何方式取代当前现有的工具，而是提供一个额外的，更简单的替代复杂的软件已经可用（有时非常难以得到工作），同时引入新颖的功能，例如，数据拼接和不断更新的用户数据库。2. 软件框架和功能软件结构可以非常综合地分为两组：程序核心和马赛克应用程序，用于拼接数据块。每一组将在下面的章节中分别讨论，强调它们的主要功能和实现的一些基本方法。2.1. 核心程序XISMuS引入的一个新颖功能是具有本地数据库的能力，这使得在不同样本之间进行更改或比较变得容易。这是通过创建一个数据立方体（*.cube）文件来实现的，该文件包含有关数据集的所有相关信息（图1）。 1）每当新数据被编译时。可以从图中看出。 1，用于MA-XRF数据解释的大多数相关功能都是可用的，并且可以很容易地访问。导出的光谱，即最大像素光谱（MPS）[18]和总和光谱，是自动计算的。至于背景贡献，它是根据用户在加载数据时选择的输入方法来计算的。到目前为止，统计非线性迭代削峰（SNIPBG）和正交多项式方法[19]已经实现并可用，前者允许自定义其参数，后者更适合自动向导方法（如2.1.3所述）。背景控制-以一种方式，每个元素都被存储为一个独立的矩阵，由于每天都有可用的样本，一个常见的策略是将样本分成几个子部分。然后执行缝合，对于每个像素谱（y）都有相应的背景（x，y）其中x元素地图，通过将图像放在一起，在照片编辑软件或自动[12，16，17]。这阻碍了快速进行中的工作的完整可视化，并可能导致子部分之间存在间隙。此外，后一种选择需要数据集之间有相当大的重叠在获取子零件后几乎立即进行原位拼接数据的可能性是一个理想的功能，可以更好地全面了解已完成的工作，并帮助规划即将到来的零件的策略。随着MA-XRF系统在文化遗产调查中的应用和发展的不断增加，以及跨学科专业人员的形成，出现了对能够进行现场数据评估并且无需深入理解基本物理原理的简单特设工具在这个范围内，XISMuS被开发为一个和y是像素空间坐标。这个选择不是最好的内存方面，但它避免了重新计算数以千计的数组，同时保持原始数据。此外，由于所有数据都被综合存储在一个数据立方体对象中，如果需要的话，可以通过将新的数据分析例程和后台计算方法添加到DataCube对象类或将DataCube对象加载到自定义脚本中来容易地实现它们。能量校准可以手动设置，也可以从 *.mca文件头中提取（如果可用）。通过将线性回归拟合[20]应用于给定的通道-能量对来执行校准这一步是正确提取元素分布图的基础，因为它们依赖于能量轴而不是通道。由于XISMuS仍处于早期版本（v1.x.x），因此仅支持 *.mca、*.txt和最近的 *.h5文件然而，支持S.A.Alberlos Lins，B.Bremmers和GEGigante软件X 12（2020）1006213=·（）]√2πσ±·± +·随着软件的发展，预计将实现更多的文件类型，如 *.edf。该软件被认为是扫描仪开发项目的一部分，因此不支持z轴校正（扫描系统在z轴上没有自动对焦功能），也不考虑电机的在移动或便携式仪器的情况下，当样品大于仪器的分析区域时，需要将整个系统（或样品）拖到新的起始位置。以这种方式，马达相对于样品的相对位置失去其参考点，并且记录的仪器的元素分布图可以通过不同的方法获得，目前有三种方法：2.1.1. 简单ROI在这种方法中，轮询的化学元素具有从xraylib [21]或从内部库提取的荧光线，这取决于xraylib在主机中是否可用。Xraylib具有不断更新的优势，因此包含更精确的信息。根据元素的原子序数（Z）拾取宏观线（Kα和Kβ或Lα和Lβ该阈值是基于MA-XRF分析的典型能量范围选择的，其中X射线管在约35-40 kV下工作在任何情况下，如果先前的标准不充分，则用户始终可以通过GUI输入自定义如果需要的话，这个限制也可以在代码本身中轻松更改。感兴趣的区域（ROI）用于映射轮询的化学物质，基于元素的峰半高全宽（FWHM）来计算标准元素 峰的宽度（假设它遵循高斯分布）与通道数中的函数扩展相关，如下：二、3548 σ。标准偏差σ可以定义为能量（eV）的函数，如[9，19]：噪音（NOISE）2二、2.1.2. 自动roi在自动ROI方法中，以与简单ROI方法相同的方式拾取荧光线能量和ROI差异依赖于每个单独像素光谱中元素峰值的自动检测（即，对每个像素频谱执行ROI选择），与数据滤波相结合以增强峰值检测和次级标准。首先，用3阶Savitzky-Golay滤波器平滑频谱然后，搜索预先建立的ROI内的局部最大值最后，检查信噪比标准[18]和二阶微分曲线如果识别出峰，则在原始的、未平滑的光谱上计算其面积与简单ROI相比，这种方法需要相当长的处理时间，但在大多数情况下，会产生更高的对比度和更可靠的图像。为了加快使用自动ROI方法轮询多个元素时的处理时间，可以使用多处理选项，根据可用的随机存取存储器（RAM）和物理内核为每个轮询元素创建一个进程。如果元素的数量超过可用的内核数量，则剩余的元素将排队。Miniconda3支持的最新Python版本是3.7.x，其中多处理模块必须将每个进程所需的资源复制到内存中，从而增加了执行整个操作所需的RAM量。Python 3.8已经支持多进程之间的共享内存。尽管如此，由于与包的不兼容问题，代码必须在Miniconda3环境中编译。2.1.3. 自动向导与以往的方法不同，该方法将每个光谱中的一系列识别峰与高斯曲线拟合，计算峰面积。因此，获得的值是近似值，但具有解决重叠峰的巨大优势（这是文化遗产材料，特别是绘画中的常见问题）。峰面积通过拟合以下等式：其中，NOISE是对峰宽的电子噪声贡献f（峰值）=[p∑eaksn∑chanAp]增益·exp（−E（i）−Ep22σp2在硅中产生电子-空穴对所需的能量派派并且E线是以eV为单位的元素观察到的峰值中心并不总是精确地匹配理论值，因此，必须在给定窗口中搜索局部最大值。执行的搜索方法读取光谱，并检查是否在[（三）W）增益];其中增益是以eV为单位的校准增益，W是公差因子，可由用户在“设置”菜单中更改（默认值为：能量低于4800 eV时为3，能量高于12 000 eV时为34为其他）。如果找到最大值，已更新。对于简单roi方法，该搜索仅在求和谱上执行一次。在这一步中不考虑连续体。最后，对于α和β线，ROI被设置为（2FWHM）之间的间隔，以峰值的更新中心为中心。为了生成图像，光谱和背景矩阵在ROI的下索引和上索引之间被切片，并且彼此相减。然后将每个像素的计算面积及其比率记录在单独的文本文件中。在处理重叠时，切片有一个明显的缺点因为没有执行去卷积，所以不能分离相邻的峰。因此，该方法仅适用于分离明确的峰。生成的ROI可以通过访问“扫描”菜单进行检查，因此用户可以评估相邻峰是否存在任何信号污染，并确保结果质量。+连续体（2）其中E（i）是将每个通道与能量值相关联的函数，peaks是包含以电子伏特为单位的匹配峰值的能量的阵列，并且Ap、Ep和σp分别是峰值p标准差σ，如等式2所述（1）考虑了FANO它们通过求和谱全局拟合整个能量范围，然后在数据立方体第一次打包时作为属性存储在数据立方体中。拟合引擎能够为每个像素频谱拟合FANO和NOISE然而，这需要相当多的处理时间。最好的方法是使用全局值，减少拟合变量，加快计算速度。为了进一步缩短处理时间，自动向导可以在多处理模式下运行，根据可用的物理核将数据立方体矩阵分成块，并按顺序分派作业在这种情况下，进程异步运行每个进程在其执行结束时保存一个 *.npy帧文件，以一种可以重新排列数据的方式，在批处理完成后构建自动向导方法可概括为三个主要步骤：准备数据、自动查找和匹配峰以及拟合数据。在第一步中，使用3阶Savitzky-Golay滤波器对数据立方体光谱矩阵进行平滑，第二求和谱σ（E线）=+（w SiFANO Eline）（1）S.A.Alberlos Lins，B.Bremmers和GEGigante软件X 12（2020）1006214并且计算相应的连续谱以用于峰值查找算法，其中每个添加的频谱具有由1代替的低于1的值。通过这样做，来自各个光谱的噪声被切断，避免了峰的错误识别。接下来，数据被馈送到峰值查找算法，该算法选择并匹配峰值。该方法将卷积算法[22]应用于求和导出的光谱，然后，其连续性和卷积方差用作选择拟合哪些峰的标准。然后，通过验证它们与理论峰中心的距离来重新检查所识别的峰（每个峰已经归属于化学元素）。最后，通过GUI，提示用户在需要时向适配轮询添加更多元素，并启动适配过程。数据立方体在整个过程中保持不变用户可以通过GUI修改高斯拟合和峰值查找参数。对于高斯拟合参数，用户可以更改每个光谱的最大拟合周期数而对于峰值查找，有三个可修改的参数，在设置面板中标记为灵敏度，抑制因子和公差。前者设置峰值卷积窗口（默认为9个通道）-窗口越小，检测到的峰值越抑制因子改变连续谱放大率，用于通过卷积抑制错误识别的峰（由于数据噪声或窗口过小），后者是峰与其理论能量的通道容差。如果一个确定的峰值，归因于一种化学元素， 其对应的元素理论峰值能量，则将其从轮询中移除。进一步的选项包括每n个光谱保存最后拟合光谱的图形图的可能性现有方法之间的比较如图所示。二、简单的投资回报率和自动投资回报率的方法往往创造非常相似的-更大图像。然而，由于恒定的峰值居中，自动ROI图像呈现出更高的对比度（图11）。2a）。自动向导的优点可以在图中清楚地看到。2b，因为在金和汞之间存在明显的峰重叠。对于汞图像，用简单ROI获得的图像包含金信号的显著部分，因此代表Au而不是Hg的图案。在这种情况下，获得正确图像的唯一方法是使用自动向导方法。选择一种方法而不是另一种方法比看起来更直观。用户可以验证导出的光谱，并从那里通过点击元素周期表窗口中显示的元素，检查它们在光谱中的理论位置来决定最佳方法。无论选择哪种方法，数据立方体只为每个元素和Siegbahn符号线（K α，K β或L α，L β）保存一个图像，例如：铁只能有两个不同的象，一个是Kα线，一个是Kβ线。如果使用不同的方法重新映射任何元素，则数据立方体中输出的元素将被最后获取的图像替换。所有存储在数据立方体中的图像都可以通过访问图像分析器模块进行查看、操作和分析，该模块提供了一些过滤选项、区域分析和相关散点图。2.2. 马赛克应用只有当开始分析较大的样品时，才能从MA-XRF的角度拼接数据，超出仪器的最大分析面积或每天可用的工作时间。XISMuS提供了一个专用模块，通过简单的GUI将两个或多个数据集拼接在一起。Mosaic模块仅识别XISMuS数据立方体文件，并且，因此，任何要拼接的数据必须首先在核心程序内编译。画布状态可以保存和加载，以促进实验室间的交换，以及在需要时对相同的数据集进行“重新搜索”以改变少量参数的可能性。手动修改的直方图也会被保存，并且只有在相应的文件可用时才被加载;强制向后兼容以前版本的软件，其中手动直方图操作还不可用。在模块的GUI实现方面，正确显示画布是一个巨大的挑战。拖动画布上的数据集（层），旋转和上下移动其优先级，要求更新层位置和屏幕。使用的大多数函数都是用Cython编写的，它可以方便地将原生Python代码转换为存储在本地库中的C++这允许在执行这样的操作时实现相对快的刷新速率。此外，刷新区域是有限的，仅需要重新计算修改区域。 图 3显示了如何刷新画布以及如何选择渲染区域（最终数据立方体）。拼接不同数据集时的主要问题之一是确保数据具有可比性，即不同的数据立方体呈现每像素和校准的兼容计数。虽然在当前版本中尚未解决重新校准匹配问题，但可以修改每个数据立方体以实现合理的视觉匹配。在这方面，已经实现了三种算法：线性对比度拉伸（i），每像素平均计数（ii）和直方图匹配（iii）缩放。前一种方法是基于线性对比度拉伸算法，用于图像处理。相反，第二种方法只是通过一个常数因子来放大每个数据立方体，与Mosaic画布中加载的所有数据立方体中的最高平均每像素计数相最后，后一种方法将单个数据立方体和映射的直方图与画布上发现的较大数据立方体的直方图相匹配。方法（ii）和（iii）在加载具有高对比度的数据立方体时提高输出，增强较暗和较亮的区域。以前版本的XISMuS将缩放原始数据。然而，这需要来自系统的更多资源，并且可能相对较慢。该软件的最新版本，在这份手稿中描述，创建一个缩放矩阵（掩模），适用于输出图像单独，而不是原始数据本身。用户可以通过图像分析器窗口打开和关闭缩放蒙版，并且可以在相应的输出文件夹下查看由不同缩放算法图12显示了使用不同缩放算法从画布绘画中获得的12个数据集的输出之间的比较。四、在图像中，可以观察到大多数数据立方体在最终结果中实现了良好的视觉然而，当使用自动算法时，由于总是将一个数据立方体作为参考点，因此一个子部分出现关闭。数据立方体3-3、2-1和3-2（图1）4b，分别为C和D）看起来更暗或更亮，这是因为它们被用作参考还是因为固有的低动态范围。如果选择的自动算法失败，则可以手动调整每个数据立方体直方图，以实现最佳视觉匹配（图1）。 4 f）。3. 结果和示例本文所呈现的结果是从与软件一起提供的训练数据中获得的，因此读者可以轻松地复制所呈现的输出。所提供的数据集是ob-用原型MA-XRF扫描仪，使用AMPTEK公司的钨阳极微型X射线管， 在40 kV和100µ AS.A.Alberlos Lins，B.Bremmers和GEGigante软件X 12（2020）1006215图二. Fe-Kα（a）的简单和自动ROI图像，Hg-Lα（b）的简单ROI和自动向导图像，Au-Hg反卷积采用自动向导方法获得对于b（c）中所示的Hg-Lα图像图三. 马赛克模块功能示意图。见图4。不同缩放方法之间的比较：画布上加载的数据立方体（a），每像素平均计数（b）和线性对比度拉伸（c）输出，数据立方体重叠方案（d），自动直方图匹配（e）和手动直方图匹配（f）输出。S.A.Alberlos Lins，B.Bremmers和GEGigante软件X 12（2020）1006216图五. PyMca XRF批量拟合图像（左）、XISMuS自动向导（中）和自动roi图像（右）。和X-Y平移台。扫描头安装有上述管，准直至1mm且未过滤，表1图像比较分数-PyMca XRF批次拟合与XISMuS。和一个AMPTEK ® ®® 123-SDD检测器。停留时间不同地图MSE SSIM MSE SSIM MSE SSIM对于每个样本，每个数据集的总采集时间范围为2至3小时翻译阶段的逐步解决办法是与auto_wizard（多项式BG）与auto_wizard（SNIPBG）与auto_roi（SNIPBG）数据是从前哥伦布时期秘鲁的装饰性鼻环中提取的，鼻环由金银铜合金制成。由于XISMuS并不打算取代任何现有软件，而是为MA-XRF系统开发人员和最终用户提供一种更简单和特设的替代方案，因此所提供的比较仅用于评估结果的可靠性和质量。3.1. 元素图将 XISMuS 生 成 的元 素 分 布 图与 MA-XRF 成 像 标准 开 源 软 件PyMca生成的元素分布图进行了比较。所有结果均使用相同的计算机系统获得。系统规格如下：CPU：Intel Xeon E-2176M@2.70 GHz（具有高达4.10 GHz的主动超频），16 Gb RAM SoDIMM ECC内存和Windows 10 Pro操作系统。通过使用PyMca主要的区别可以总结在可用性; XISMuS更快地加载数据，并立即获得几种化学元素的可用图像。可能是由于自适应多线程文件读取过程的实现。图图5示出了用PyMca的XRF批量拟合工具和XISMuS自动roi和自动向导方法生成的图像之间的比较XISMuSauto-wizard和PyMca可以解析峰，并在峰重叠几乎相同的情况下生成更清晰的图像。所获 得的图 像之间 的均方 误差 （ MSE） 和结构 相似 性指数（SSIM）得分如表1所示。由于每个软件内置的拟合引擎不同，很少有图像（如钙和汞的图像）可能会出现轻微的差异，但仍保持合理的相似程度（表1）。XISMuS忽略了标准软件中存在的耗时且有时过于复杂的配合配置阶段，几乎完全自动化。卡278.42 0.52 142.70 0.60 242.97 0.59铬945.25 0.80 588.12 0.80 871.29 0.83铁607.60 0.83 290.26 0.84 92.83 0.91铜19.51 0.99 12.23 0.99 2.94 1.00金269.58 0.99 49.28 0.99 7.64 0.99银1.45 1.00 1.58 1.00 1.25 1.00汞2012.68 0.45 2503.09 0.20−水星图像是最不同的一个，因为使用PyMca生成的图像代表Hg-L3线，而使用XISMuS生成的图像是使用Hg-Lα创建的。当对XISMuS生成的Hg-Lα和Hg-Lβ图像求和时，与PyMca Hg-L3图像相比，MSE和SSIM值变为850.03和0.72，指出在这种情况下图像更加相似。在什么方面的处理时间，自动向导，自动投资回报率（如图所示）。对于训练数据2（18 X 70像素2），分别在101.39、6.65和1.28秒内生成简单ROI图像。相当大的数据集，989 x 724（图）。（4）548 x796个像素2分别在9小时和6小时内用自动向导使用simple-roi，这个时间缩短到147和119 s。3.2. 数据拼接镶嵌工具是XISMuS提供的一项创新功能，允许用户拼接数据块，主要用于创建元素分布图像，并快速原位比较和研究它们。块（数据立方体）在2D画布上移动，就像在标准的照片编辑软件中一样，并编译成一个新的数据立方体。为了说明该功能，将软件提供的示例数据拼接在一起并进行处理。 结果示于图 六、该工具在用于获得元素分布图像的前述相同计算机系统中进行测试还使用镶嵌工具测试了较大的数据集，S.A.Alberlos Lins，B.Bremmers和GEGigante软件X 12（2020）1006217见图6。加载了两个数据立方体的镶嵌模块画布（a）;拼接的数据立方体图像：求和图（b）;缩放掩码打开的铜图（c），缩放掩码关闭的铜图（d），以及缩放掩码打开的金和铜的组合图（e）。图中所示的一个。 4，具有989 x 724像素的尺寸2并在约6min内合并。使用默认SNIPBG参数，从源校准选项和自动roi方法配置训练数据1和2，然后将其编译为数据立方体随后，在Mosaic模块中创建了一个100 x 100的画布，其中两个数据立方体都被加载并相应地定位在画布中渲染优先级被赋予列表中的最后一个数据立方体（图1）。6a）。至于使用的缩放方法，勾选了每像素平均计数缩放缝合后，为新创建的数据立方体生成铜和金地图缩放方法允许不同组合数据的更好和适当的可视化，通过用比全局数据平均值更少的计数/像素来增强来自数据立方体的信号。在给定的例子中，数据立方体1（图1）。6a -上部矩形），代表训练数据1，具有10600计数/像素的平均值，而数据立方体2（底部）具有约36900计数/像素。为一个相同的元素分布图像，一个元素存在于两个数据集和类似的数量，数据立方体1信号将被抑制，几乎不可见，如果没有比例因子被引入（图1）。6d）。因此，使用缩放方法对于不同数据集之间的直接比较也非常有用。在采集图1所示的数据集期间，对镶嵌模块进行了原位测试。4、在数据完成后立即拼接数据。事实证明，这种方法非常有用，可以更好地概述扫描进度，可以验证是否有任何片段丢失（间隙），并计划扫描下一个片段的策略。4. 影响本文提出的软件通过提供迭代用户数据库（通过使用更新）、不同的数据提取算法、专用数据拼接模块和自动数据分析来解决所描述一切都在一个简单的GUI中。这些功能相结合，使用户能够轻松浏览不同的样本，交叉归一化和比较它们，并快速提取数据。对于大样本，正如绘画案例研究中经常出现的情况，样本被细分为几个部分，XIS-MuS被证明是非常有用的。它提供了快速将多个子零件数据立方体合并到一个更大文件中的方法，以实现正在进行的数据采集过程的完整可视化。XISMuS5. 结论本文讨论和介绍的软件被证明是一种易于使用和可行的替代方案，可与目前可用的标准软件相XIMuS UI具有高效的此外，据作者所知，它是唯一可用的开源软件，具有分发包，可以将MA-XRF数据立方体缝合在一起。拼接多个数据集（而不是图像）的可能性就像在照片编辑软件中一样，这被证明是XISMuS的主要优势。现场拼接数据已被证明非常有用，可以更好地概述扫描进度，验证子部件之间的任何间隙，并为即将到来的部件规划扫描策略未来的实现将致力于将 *.cube文件转换为更标准化的文件格式，促进不同软件之间的交叉兼容性，并根据需要支持更多的文件格式。资金该项目获得了欧盟地平线2020研究和创新计划的资助，该计划是766311。CRediT作者贡献声明塞尔吉奥·A Alfrelos Lins：概念化，方法论，软件，验证，形式分 析 ， 写 作 - 原 始 草 稿 ， 阅 读 并 同 意 手 稿 的 出 版 版 本 。 BorisBremmers：方法论，软件，形式分析，阅读并同意手稿的出版版本。乔瓦尼·E Gigante：撰写-审查&编辑，数据策展，概念化，方法论，阅读并同意发布的版本 的手稿。S.A.Alberlos Lins，B.Bremmers和GEGigante软件X 12（2020）1006218竞合利益作者声明，他们没有已知的竞争性财务利益或个人关系，可能会影响本文报告的工作确认作者要衷心感谢Roberto Ce- sareo博士教授提供了用于比较研究的数据集，并作为训练数据与软件一起分发。此外，作者感谢Stefano Ridolfi 博 士 为 软 件 的 开 发 提 供 了 基 础 ， 感 谢 AntonioBrunetti教授在软件开发过程中提供引用[1] Guerra MF.使用XRF，PIXE和活化分析对硬币和其他金属制品的特征和来源进行研究艺术与考古学中的辐射。Elsevier; 2000年，第378-416页。http://dx.doi.org/10.1016/B978-044450487-6/50063-8。[2] Karydas A ， Brecoulaki X ， Pantazis T ， Aloupi E ， Argyropoulos V ，Kotzamani D ， et al. Importance of in-situ EDXRF measurements in thepreservation and conservation of material culture. 考古学的X光Springer;2005，p. 27-53. http://dx.doi.org/10.1007/1-4020-3581-0_2网站。[3] [10]杨森斯K，范德斯尼克G，范德勒夫L，里克斯K，科特M.使用同步辐射X射线荧光元素映射的文森特梵高丢失的绘画的可视化。肛门化学2008;80（16）：6436-42。http://dx.doi.org/10.1021/ac800965g网站。[4] [10]李国雄，李国雄.开发一种多功能的XRF扫描仪，用于绘画作品的元素成像。应用物理学A 2016;122（1）：1-7。http://dx.doi.org/10.1007/s00339-015-9522-4网站。[5] 切萨雷奥河帕多瓦Scrovegni教堂乔托壁画金色光晕的非破坏性EDXRF分析核 仪 器 方 法 物 理 研 究 B2003;211 （ 1 ） ： 133-7 。 http ：//dx.doi.org/10.1016/S0168-583X（03）01165-0.[6] Trojek T，ProkeR，ŠefcR，Bilavčíková H，Čechák T.共焦X射线荧光光谱 仪 用 于 绘 画 的 原 位 分 析 。 辐 射 物 理 化 学 2017;137 ： 238-42 。http://dx.doi.org/10.1016/j.radphyschem.2016.02的网站。031号。[7] Campos PH，Appoloni CR，Rizzutto MA，Leite AR，Assis RF ，SantosHC ， et al. A low-cost portable system for elemental mapping by XRFaiminginsituanalyses. 应 用 辐 射 绝缘 2019;152 ：78-85。http://dx.doi.org/10.1016/j.apradiso.2019.06.018.[8] Ruberto C，Mazzinghi A，Massi M，Castelli L，Czelusniak C，Palla L等人 ， 便 携 式 XRF 光 谱 仪 对 拉 斐 尔 “La Muta” 的 成 像 研 究 Microchem J2016;126：63-9. http://dx.doi.org/10.1016/j.microc.2015的网站。11.037[9]Solé VA，Papillon E，Cotte M，Walter P，Susini J.用于能量色散X射线荧光光 谱 分 析 的 多 平 台 代 码 。 光 谱 化 学 学 报 B 2007;62 （ 1 ） ： 63-8 。http://dx.doi.org/10.1016/j.sab.2006.12的网站。002.[10]沃格特湾 MAPS：一套用于分析和可视化3D X射线荧光数据集的软件工具。JPhys IV （ Proc ） 2003;104 ： 635-8. http://dx.doi.org/10.1051/jp4:20030160 网站。[11]地图github仓库。 2020年，https://github.com/MapsPy/MapsPy。[12]Alfeld M，Janssens K.处理百万像素X射线荧光高光谱数据的策略：卡拉瓦乔绘 画 《 以 马 忤 斯 的 晚 餐 》 版 本 的 案 例 研 究 。 J Anal At Spectrom 2015;30（3）：777-89. 网址：//dx.doi.org/10.1039/c4ja00387j网站。[13][10]杨文，李文.使用移动EDXRF系统对绘画进行元素2D成像。Anal BioanalChem 2011;399（9）：3109-16. http://dx.doi.org/10.1007/s00216-010-4281-8网站。[14][10] Eveno M，Ravaud E，Calligaro T，Pichon L，Laval E. Giotto的卢浮宫十字架-通过2d-XRF、X射线照相术、放射照相术和SEM-EDX分析揭开最初的装饰。Herit Sci 2014;2（1）：1-9. 得双曲正切值. doi.org/10.1186/s40494-014-0017-y网站。[15]李军，李泽明，李启立，邱丽，林春.一种带激光位移传感器的便携式微型能量色 散X荧 光光 谱仪 。核 仪器 方 法物 理研 究B 2019;442 （ 1月 ）： 13-8 。http://dx.doi.org/10.1016/j.nimb.2019.01.010网站。[16]Sciutto G，Frizzi T，Catelli E，Aresi N，Prati S，Alberti R，et al. Frommacro to micro ： An advanced macro X-ray fluorescence （ MA-XRF ）imaging approach for the study of painted surfaces. Microchem J 2018;137：277-84. http://dx.doi.org/10.1016/j.microc.2017.11.003网站。[17]李伟杰，李伟杰.宏观X射线荧光扫描（MA-XRF）作为绘画鉴定的工具。Microchem J 2018;137：139-47. http://dx.doi.org/10.1016/j.microc.2017.10.008网站。[18] Bright DS，Newbury DE.最大像素光谱：一个新的工具，用于检测和恢复罕见的，意外的功能，从光谱图像数据立方体。J Microsc 2004;216（2）：186-93. http://dx.doi.org/10.1111/j的网站。0022-2720.2004.01412.x。[19]Van Grieken RE ， Markowicz AA. X 射 线 光 谱 测 定 手 册 。 第 2 版MarcelDekker，Inc. 1999，p.983.[20]Bevington PR，Robinson DK，Blair JM，Mallinckrodt AJ，McKay S.物理科学中的数据处理和误差分析。物理学中的计算机第三版New York，NY：McGraw-Hill Higher Education; 2003.[21]Brunetti A，Sanchez Del Rio M，Golosio B，Simionovici A，Somogyi A.用于X射