DE102009015945A1

DE102009015945A1 - Apparatus and method for imaging the surface of a sample

Info

Publication number: DE102009015945A1
Application number: DE102009015945A
Authority: DE
Inventors: Wolfram Dr. Ibach; Henning Dampel; Joachim Dr. Koenen
Original assignee: Witec Wissenschaftliche Instrumente und Technologie GmbH
Current assignee: Witec Wissenschaftliche Instrumente und Technologie GmbH
Priority date: 2009-01-26
Filing date: 2009-01-28
Publication date: 2010-07-29
Also published as: WO2010083984A3; WO2010083984A2

Abstract

Die Erfindung betrifft eine Vorrichtung zur Abbildung der Oberfläche einer Probe mit einer Einrichtung zur Aufnahme einer Vielzahl von Signalen an einer Vielzahl von Punkten der Oberfläche, wobei jedes Signal zu jedem Punkt eine Vielzahl von einzelnen Messkanälen zugeordneten Signalwerten umfasst. Die Erfindung ist dadurch gekennzeichnet, dass die Vorrichtung eine Analysevorrichtung umfasst, die derart ausgestaltet ist, dass durch eine gesamte oder teilweise Analyse von mehreren Signalen, die jeweils an unterschiedlichen Punkten der Probeoberfläche zugeordnet sind, ein Punkt der Probeoberfläche charakterisiert wird.The invention relates to an apparatus for imaging the surface of a sample, comprising means for receiving a plurality of signals at a plurality of points on the surface, each signal comprising at each point a plurality of signal values associated with individual measurement channels. The invention is characterized in that the device comprises an analysis device which is designed in such a way that a point of the sample surface is characterized by a total or partial analysis of a plurality of signals respectively associated with different points of the sample surface.

Description

Aus dem Stand der Technik ist eine Vielzahl von Verfahren bekannt geworden, bei denen in zwei Dimensionen für Flächen, insbesondere Probenoberflächen Größen, beispielsweise physikalische Größen, ermittelt werden. Nur beispielhaft sind hier Kraft-Zeit-Kurven oder Strom-Spannungskurven genannt. Kraft-Zeit-Kurven können, wie in der EP-A-1342049 beschrieben, dazu dienen, Probenoberflächen abzubilden. Auch Strom-Spannungskurven können der Abbildung von Probenoberflächen dienen. Die Abbildung von Probenoberflächen erfolgt in der Regel mit Hilfe von Rastertechniken. Bei diesen Rastertechniken werden bevorzugt Rastersonden eingesetzt, mit deren Hilfe eine Probe abgerastert werden kann. Die Sonde dient des Weiteren dazu, unterschiedlich ortsaufgelöste Signale der Probe aufzunehmen. Dies können beispielsweise Signale sein, die dadurch entstehen, dass eine Rastersonde in Kontakt mit einer Probenoberfläche gebracht wird, oder dass eine Rastersonde an eine Probenoberfläche angenähert wird und von dieser wieder entfernt wird und die dabei auftretenden Kräfte aufgenommen werden. Diesbezügliche Rastersondenmikroskope sind beispielsweise Kraftrastersondenmikroskopen, wie in der EP 1 342 049 B1 beschrieben.From the prior art, a variety of methods have become known in which sizes, for example physical quantities, are determined in two dimensions for surfaces, in particular sample surfaces. By way of example only force-time curves or current-voltage curves are mentioned here. Power-time curves can, as in the EP-A-1342049 described, serve to image sample surfaces. Current-voltage curves can also serve to image sample surfaces. The imaging of sample surfaces is usually done with the help of screening techniques. In these screening techniques, scanning probes are preferably used, with the aid of which a sample can be scanned. The probe also serves to record different spatially resolved signals of the sample. These may be, for example, signals that are brought about by bringing a scanning probe into contact with a sample surface, or that a scanning probe is approaching and being removed from a sample surface and the forces occurring thereby are absorbed. Corresponding scanning probe microscopes are for example force scanning probe microscopes, as in US Pat EP 1 342 049 B1 described.

Alternativ zu einer Abtastung der Probenoberfläche und Aufnahme von Kraftsignalen, wie in der EP 1 342 049 B1 beschrieben, ist es auch möglich, optische Signale aufzunehmen. Mit Hilfe der optischen Signale oder der Kraftsignale kann nach Abtastung der zu untersuchenden Probe Punkt für Punkt aus diesen Signalen ein Bild zusammengesetzt werden.Alternatively to sampling the sample surface and recording of force signals, as in EP 1 342 049 B1 It is also possible to record optical signals. With the aid of the optical signals or the force signals, an image can be assembled point by point after scanning the sample to be examined from these signals.

Als optische Signale können beispielsweise von der Probe emittiertes Fluoreszenzlicht nach Anregung durch einen Laser oder von einer Probe emittiertes Raman-Licht detektiert werden.When For example, optical signals may be emitted from the sample Fluorescent light after excitation by a laser or by a Sample emitted Raman light can be detected.

Bei Raman-Licht handelt es sich um Licht, das bei Anregung einer Probe mit monochromatischem Licht im Spektrum des an der Probe gestreuten Lichtes neben der eingestrahlten Frequenz (Rayleigh-Streuung) noch beobachtet wird. Die Frequenzen des Raman-Lichtes, die unterschiedlich zu der Frequenz des eingestrahlten Lichtes sind, entsprechen den für das zu untersuchende Material charakteristischen Energien von Rotations-, Schwingungs-, Photonen- oder Spinflip-Prozessen. Aus dem Raman-Spektrum lassen sich aufgrund dieser charakteristischen Energien dann Rückschlüsse auf die untersuchten Substanzen ziehen. Die Raman-Verschiebung gegenüber der Wellenlänge des eingestrahlten Lichtes kommt durch eine Wechselwirkung des eingestrahlten Lichtes mit der Materie zustande und beruht auf einer Wechselwirkung des Lichts mit der Materie, bei der Energie vom eingestrahlten Licht auf die Materie übertragen wird beziehungsweise Energie von der Materie auf das Licht übertragen wird.at Raman light is light that excites a sample with monochromatic light in the spectrum of the scattered at the sample Light next to the radiated frequency (Rayleigh scattering) yet is observed. The frequencies of Raman light are different to the frequency of the incident light, correspond to the for the material to be investigated characteristic energies of rotation, vibration, photon or spin-flip processes. From the Raman spectrum can be due to this characteristic Energies then conclusions on the examined Pull substances. The Raman shift over the Wavelength of the incoming light comes through a Interaction of the incident light with matter and is based on an interaction of light with matter, at the energy of the incident light transmitted to the matter energy is transferred from matter to light becomes.

Zur Auskoppelung wird das Raman-Licht in eine Lichtfaser ausgekoppelt und einem Gitterspektrometer zugeführt. Im Gitterspektrometer wird das aufgenommene Lichtsignal spektral zerlegt. Das spektral zerlegte Lichtsignal wird in unterschiedliche Kanäle aufgeteilt. Die spektrale Zerlegung des Lichtes kann auch mit Hilfe eines Prismas, eines Fabry-Perot-Interferometers oder einer Fouriertransformation erfolgen. Anstelle einer Auskoppelung des Lichtes mit Hilfe einer Lichtleitfaser wäre auch eine direkte Auskoppelung z. B. über einen Spiegel möglich.to Decoupling the Raman light is decoupled into an optical fiber and a grating spectrometer. In the grating spectrometer the recorded light signal is spectrally decomposed. The spectral disassembled light signal is divided into different channels. The spectral decomposition of light can also be done with the help of a prism, a Fabry-Perot interferometer or a Fourier transform respectively. Instead of decoupling the light with the help of a Optical fiber would also be a direct decoupling z. B. over a Mirror possible.

Die konfokale Raman-Messung eignet sich insbesondere dazu, chemisch unterschiedliche Materialien mit einem hohen Kontrastverhältnis abzubilden. Da die Entstehung des Raman-Lichtes jedoch ein Effekt zweiter Ordnung ist und die Intensität des Raman-Lichtes gegenüber dem Rayleigh-Licht sehr viel geringer ist, ergibt sich das Problem, dass das Raman-Signal eine sehr geringe Intensität aufweist, insbesondere nach der spektralen Zerlegung im Gitterspekrometer. Beispielsweise hat eine Probe bei einer zweidimensionalen konfokalen Raman-Messung eine Größe von beispielsweise 10.000 bis 500.000 Punkten. Zu jedem der Punkte wird Licht aufgenommen und das Licht wie oben beschrieben mit Hilfe eines Gitterspektrometers in seine spektralen Bestandteile zerlegt. Insbesondere wird das von der Probe emittierte Raman-Licht in seine Bestandteile spektral zerlegt. Das spektral zerlegte Raman-Licht, ergebend das Raman-Spektrum, wird beispielsweise in bis zu 2.000 Kanäle sortiert. Jeder Kanal entspricht dann einem Wellenlängen- oder einem Frequenzbereich.The Confocal Raman measurement is particularly suitable chemically different materials with a high contrast ratio map. However, the formation of Raman light is an effect second order is and the intensity of the Raman light compared to the Rayleigh light is much lower results The problem is that the Raman signal has a very low intensity in particular after the spectral decomposition in the grating spectrometer. For example, a sample has a two-dimensional confocal Raman measurement a size of, for example, 10,000 up to 500,000 points. Light is picked up at each of the points and the light as described above using a grating spectrometer decomposed into its spectral components. In particular, that will Raman light emitted by the sample is spectrally decomposed into its constituents. The spectrally decomposed Raman light, giving the Raman spectrum, For example, it is sorted into up to 2,000 channels. Everyone Channel then corresponds to a wavelength or a frequency range.

Bei den Systemen gemäß dem Stand der Technik war ein hoher Zeitaufwand erforderlich, um an der Vielzahl von Rasterpunkten der Probenoberfläche die jeweiligen Einzelspektren, insbesondere aufgrund der geringen Lichtintensität und der breiten spektralen Verteilung, aufzunehmen.at the prior art systems was a high time required to at the plurality of grid points the sample surface, the respective individual spectra, in particular due to the low light intensity and the wide spectral Distribution, record.

Aufgabe der Erfindung ist es somit, insbesondere bei Systemen, die eine sehr zeitintensive Signaldetektion an den Probenpunkten erfordern, eine Vorrichtung beziehungsweise ein Verfahren anzugeben, mit denen diese Nachteile überwunden werden können und insbesondere eine effiziente Messung ermöglicht wird. Insbesondere sollen Effekte zweiter Ordnung, wie beispielsweise Raman-Messungen, möglichst effizient durchgeführt werden können, insbesondere in Bezug auf die Messzeit.The object of the invention is thus, in particular in systems which require a very time-consuming signal detection at the sample points, to provide a device or a method with which these disadvantages can be overcome and in particular an efficient measurement is made possible. In particular, second order effects, such as Raman measurements, should be as efficient as possible can be performed, in particular with respect to the measuring time.

Erfindungsgemäß wird diese Aufgabe dadurch gelöst, dass eine Vorrichtung zur Darstellung von Daten in wenigstens zwei Dimensonen, insbesondere eine Vorrichtung zur Abbildung einer der Oberfläche einer Probe, mit einer Einrichtung zur Aufnahme einer Vielzahl von Signalen an einer Vielzahl von Punkten in den wenigstens zwei Dimensionen, insbesondere der Oberfläche versehen ist, wobei jedes Signal zu jedem Punkt eine Vielzahl von einzelnen Messkanälen zugeordneten Signalwerten umfasst. Die Vorrichtung ist derart ausgestaltet, dass sie eine Analysevorrichtung umfasst, die eine gesamte oder teilweise Analyse von mehreren Signalen, die jeweils unterschiedlichen Punkten in den zwei Dimensionen, insbesondere in der Probeoberfläche zugeordnet sind, ermöglicht, wodurch wiederum ein einzelner Punkt in den zwei Dimensionen, insbesondere der Probeoberfläche charakterisiert wird. Durch die Korrelation von Messsignalen zu unterschiedlichen Messpunkten gemäß der Erfindung gelingt es, in sehr kurzer Zeit Spektren für eine Vielzahl von Messpunkten aufzunehmen. Hierdurch wird nicht nur ein schnelles Post-Processingen von Daten ermöglicht, sondern in einer bevorzugten Ausführungsform die schnelle in-situ-Darstellung während der Messung. Während die erfindungsgemäße Vorrichtung insbesondere für die bildliche Darstellung von Oberflächen in zwei Dimensionen, d. h. der Darstellung von Probenoberflächen, z. B. in der Rastermikroskopie, verwendet wird, können mit der erfindungsgemäßen Vorrichtung auch Daten, die z. B. in einer räumlichen und einer zeitlichen Dimension aufgenommen sind, verarbeitet und aufbereitet werden.According to the invention This object is achieved in that a device for Representation of data in at least two dimensons, in particular a device for imaging one of the surface of a sample, with means for receiving a plurality of signals a plurality of points in the at least two dimensions, in particular the surface is provided, with each signal to each Point a variety of individual measurement channels assigned Signal values includes. The device is designed such that it comprises an analysis device which is an entire or partial Analysis of multiple signals, each with different points in the two dimensions, especially in the sample surface allows, which in turn makes a single Point in the two dimensions, especially the sample surface is characterized. By the correlation of measurement signals to different measuring points according to the invention succeeds in a very short time spectra for a variety of measuring points. This will not only be a quick one Post-processing of data allows, but in a preferred Embodiment the rapid in-situ display during the measurement. While the inventive Device, in particular for pictorial representation of surfaces in two dimensions, d. H. the presentation of sample surfaces, e.g. In scanning microscopy, can be used with the invention Device also data z. B. in a spatial and a temporal dimension, processed and processed become.

Mit der erfindungsgemäßen Vorrichtung wird es ermöglicht, dass z. B. aus einer Vielzahl von verrauschten Bildern sehr rauscharme, Informationen enthaltende Bilder erhalten werden.With the device according to the invention makes it possible that z. B. from a variety of noisy pictures very low noise, Information containing images are obtained.

Bei einer ersten Analysevorrichtung werden die Signale zu unterschiedlichen Punkten der Oberfläche in eine vorgegebene Anzahl einander ähnlicher Signale mit Hilfe eines Analyseverfahrens sortiert. Die Sortierung ermöglicht dann sehr schnell die Charakterisierung einzelner Punkte der Probenoberfläche. Ein besonders bevorzugtes Analyseverfahren ist ein Verfahren, dem eine Clusteranalyse zugrunde liegt.at In a first analysis device, the signals become different Points of the surface in a predetermined number similar to each other Signals sorted using an analysis method. The order then allows the characterization of individual very quickly Points of the sample surface. A particularly preferred Analytical method is a method based on a cluster analysis lies.

Durch eine Clusteranalyse ist es möglich, dass man schon nach Aufnahme von nur wenigen Probenpunkten rauschfreie Raman-Spektren der einzelnen Substanzen erhält, ohne die räumliche Auflösung zu verlieren. Bei der Clusteranalyse werden beispielsweise eine Anzahl Spektren auf eine wählbare Anzahl von Zuordungstöpfen verteilt, beispielsweise fünf Zuordnungstöpfe. Die Ähnlichkeit der Spektren wird analysiert und ähnliche Spektren immer demselben Zuordnungstopf zugeordnet. Aus den Zugehörigkeitswahrscheinlichkeiten oder der Zugehörigkeit zu den jeweiligen Töpfen kann man relativ schnell rauschfreie Bilder einer großen Oberfläche erhalten, die auf spektral aufgespaltenen Raman-Signalen beruhen.By a cluster analysis, it is possible that you already after Recording of only a few sample points noise-free Raman spectra receives the individual substances, without the spatial To lose resolution. For example, in cluster analysis a number of spectra on a selectable number of allocation pots distributed, for example, five allocation pots. The similarity of the spectra is analyzed and similar Spectrums always assigned to the same assignment pot. From the affiliation probabilities or belonging to the respective pots you can get relatively fast noise-free images of a large surface obtained based on spectrally split Raman signals.

Unter Clusteranalyse versteht man im allgemeinen ein strukturentdeckendes, multivariantes Analyseverfahren zur Ermittlung von Gruppen (Clustern) von Objekten, deren Eigenschaften oder Eigenschaftsausprägungen bestimmte Ähnlichkeiten bzw. Unähnlichkeiten aufweisen. Verfahren zur Clusteranalyse lassen sich zur automatischen Klassifizierung, zur Erkennung von Mustern einsetzen. Die der Clusteranalyse zugrunde liegende Algorithmen können entweder hierarchischer Algorithmen oder partitionierende Algorithmen sein.Under Cluster analysis is generally understood as a structure-discovering, multivariant analysis method for the determination of groups (clusters) of objects, their properties or property characteristics have certain similarities or dissimilarities. Cluster analysis techniques can be used for automatic classification, to detect patterns. Underlying the cluster analysis lying algorithms can either hierarchical algorithms or partitioning algorithms.

Partitionierende Clusterverfahren können Verfahren, basierend auf folgenden Algorithmen, sein:

– K means Algorithmus
– EM Algorithmus
– Spectral Clustering Algorithmus
– Maximum Margin Clustering Algorithmus
– Multiview Clustering Algorithmus
– Fuzzy Algorithmus

Partitioning clustering methods may be methods based on the following algorithms:

- K means algorithm
- EM algorithm
- Spectral clustering algorithm
- Maximum margin clustering algorithm
- Multiview clustering algorithm
- Fuzzy algorithm

Bei den patitionierenden Clusterverfahren wird die Anzahl der Cluster zur Berechnung festgelegt. Werden Probenoberflächen mit Hilfe von Spektren, beispielsweise Ramanspektren, bildlich dargestellt, so werden in einem ersten Schritt alle Spektren gleichmäßig auf die Cluster verteilt. Aus den Spektren wird nun für jedes Cluster ein mittleres Spektrum berechnet.at The numbering of clusters becomes the patiding cluster method set for calculation. Be sample surfaces with Help of spectra, for example Raman spectra, depicted, In a first step all spectra become even distributed to the clusters. From the spectra will now be for each cluster calculates a middle spectrum.

Nach dieser zufälligen Anfangsverteilung werden die gemessenen Spektren den Clustern neu zugeordnet. Die Spektren werden dem Cluster zugeordnet, bei dem das Spektrum die größte Ähnlichkeit oder kleinste Distanz zum mittleren Spektrum des Clusters hat. Durch die Wahl der Distanzberechnung lässt sich das Ergebnis beeinflussen. Eine mögliche Wahl für die Distanzberechnung wäre:

After this random initial distribution, the measured spectra are reassigned to the clusters. The spectra are assigned to the cluster in which the spectrum has the greatest similarity or smallest distance to the middle spectrum of the cluster. By choosing the distance calculation, the result can be influenced. A possible choice for the distance calculation would be:

In obiger Formel sind S1 und S2 die beiden Spektren, deren Ähnlichkeit man berechnen will. Nachdem die Ähnlichkeiten berechnet sind, werden die Spektren den Clustern neu zugeordnet. In einem weiteren Schritt werden aus den den Clustern neu zugeordneten Spektren für die Cluster neue mittlere Spektren berechnet. Ausgehend von diesen neuen mittleren Spektren findet eine neue Zuordnung der gemessenen Spektren zu den Clustern statt. Diese neue Zuordnung erfolgt wieder auf der Basis der Distanzberechnung, mit der Ähnlichkeiten bestimmt werden können. Der Vorgang der Neusortierung wird so lange wiederholt, bis alle gemessenen Spektren im selben Cluster bleiben, d. h. dem gleichen Cluster zugeordnet sind. Auf diese Art und Weise befinden sich alle ähnlichen Spektren im gleichen Cluster. Da die Orte der Spektren bekannt sind, lassen sich die Cluster bildlich darstellen.In above formula, S1 and S2 are the two spectra whose similarity you want to calculate. After the similarities are calculated are, the spectra are reassigned to the clusters. In one Another step will be the spectra remapped to the clusters calculated new mean spectra for the clusters. outgoing From these new middle spectra finds a new assignment of the measured spectra to the clusters. This new assignment again based on the distance calculation, with the similarities can be determined. The process of reordering becomes repeated until all measured spectra in the same cluster stay, d. H. are assigned to the same cluster. In this manner and way, all similar spectra are in the same Cluster. Since the places of the spectra are known, the Clustering clusters.

Jedes Cluster erhält eine unterschiedliche Farbe. Das dazugehörige rauscharme mittlere Spektrum des Clusters lässt sich gleichzeitig in der gleichen Farbe darstellen. Bei einer Auswertung der Spektren während einer Messung wird dieses Verfahren auf die bereits gemessenen Spektren angewendet und in regelmäßigen Zeitabständen wiederholt, bis die Messung fertig ist.each Cluster gets a different color. The corresponding low noise medium spectrum of the cluster can be simultaneously in the same color. In an evaluation of the spectra during a measurement, this procedure is already on measured spectra applied and in regular Repeated time intervals until the measurement is finished.

Alternativ zu dem patitionierenden Clusterverfahren sind auch hierarchische Clusterverfahren möglich. Das hierarchische Clusterverfahren soll wieder anhand der Clusteranalyse von Spektren beschrieben werden.alternative to the patitioning clustering method are also hierarchical Clustering possible. The hierarchical clustering method will be described again by the cluster analysis of spectra.

Bei hierarischen Clusterverfahren unterscheidet man grundsätzlich zwischen anhäufenden, d. h. agglomerierenden und unterteilenden Algorithmen. Bei anhäufenden Verfahren wird zu Beginn jedes Spektrum als ein Cluster betrachtet. In jedem Rechenschritt werden nun die zwei ähnlichsten Cluster zu einem Cluster zusammengefühgt. Dieser Vorgang wird so lange wiederholt, bis eine festgelegte Distanz überschritten wird oder nur noch ein Cluster vorhanden ist. Agglomerierende hierarchische Clusterverfahren sind:

– Single Linkage
– Complete Linkage
– Average Linkage
– Centroid
– Median
– Ward.

In hierarchical clustering methods, a distinction is made between accumulating, ie agglomerating and subdividing algorithms. In the case of accumulative methods, at the beginning each spectrum is considered as a cluster. In each calculation step, the two most similar clusters are now combined into a cluster. This process is repeated until a specified distance is exceeded or only one cluster is left. Agglomerating hierarchical clustering methods are:

- Single Linkage
- Complete Linkage
- Average Linkage
- Centroid
- median
- Ward.

Die unterschiedlichen, oben angegebenen Clusterverfahren unterscheiden sich im Wesentlichen in ihrer Distanzfunktion. Hierbei werden im Gegensatz zu partitionierenden Clustern nicht nur zwei Spektren miteinander verglichen, sondern jedes Spektrum eines Clusters wird mit jedem Spektrum des anderen Clusters verglichen.The distinguish different cluster methods given above essentially in their distance function. Here are in the Unlike partitioning clusters, not just two spectra but each spectrum of a cluster becomes compared with each spectrum of the other cluster.

Beim Zusammenfügen der Cluster wird eine Baumstruktur gewonnen. Jeder Knotenpunkt des Baumes lässt sich als Bild darstellen. Zusätzlich erhält man ein rauscharmes mittleres Spektrum, welches den Cluster charakterisiert.At the Joining the clusters will create a tree structure. Each node of the tree can be represented as an image. In addition, you get a low-noise medium Spectrum, which characterizes the cluster.

Wie zuvor ausgeführt, können nicht nur Spektren zu unterschiedlichen Punkten einer Oberfläche mit Hilfe von Clusterverfahren weitgehend rauschfrei erhalten werden, sondern das einer Clusteranalyse unterworfene Signal kann auch ein mit Hilfe einer Rastersonde aufgenommene Kraft-Zeit-Kurve, die auf die Probenoberfläche zu- und wegbewegt wird, sein.As previously stated, not only can spectra too different points of a surface with the help of Cluster method are largely noise-free, but the signal subjected to a cluster analysis can also be aided by a raster probe recorded force-time curve on the sample surface be moved on and off.

Das als Signal zuvor beschriebene Spektrum kann beispielsweise von der Probe emittiertes Fluoreszenzlicht sein. Das Spektrum des Lichtes ist dann ein Fluoreszenzspektrum.The as a signal previously described spectrum can be, for example, from the Sample emitted fluorescent light. The spectrum of light is then a fluorescence spectrum.

Ein anderes Spektrum, das sich bei Anregung einer Probe mit Licht ergibt, ist beispielsweise das Spektrum von Raman-Lichtes.One other spectrum that results when light excites a sample, is, for example, the spectrum of Raman light.

Neben der Vorrichtung stellt die Erfindung auch ein Verfahren zur Abbildung der Oberfläche einer Probe, umfassend die folgenden Schritte, zur Verfügung: Zunächst wird eine Vielzahl von Signalen an einer Vielzahl von Punkten der Oberfläche der Probe aufgenommen, wobei jedes Signal zu jedem Punkt eine Vielzahl von einzelnen Messkanälen zugeordneten Signalwerten umfasst. Sodann werden die unterschiedlichen Messpunkten zugeordneten Signale analysiert. Aus der Analyse der Signale zu mehreren Messpunkten werden dann einzelne Punkte der Probenoberfläche charakterisiert.In addition to the device, the invention also provides a method of imaging the surface of a sample, comprising the following steps: First, a plurality of signals on a lot number of points of the surface of the sample, each signal comprising for each point a plurality of individual measurement channels associated signal values. Then the signals associated with different measuring points are analyzed. From the analysis of the signals to several measuring points then individual points of the sample surface are characterized.

Besonders bevorzugt ist es, wenn bei dem Verfahren die Signale zu unterschiedlichen Punkten der Oberfläche in eine vorgegebene Anzahl einander ähnlicher Signale mit Hilfe eines Analyseverfahrens sortiert werden und aus den sortierten, ähnlichen Signalen eine Charakterisierung eines einzelnen Punktes der Probenoberfläche erfolgt.Especially it is preferred if the signals in the method to different Points of the surface in a predetermined number similar to each other Signals are sorted using an analysis method and off the sorted, similar signals a characterization of a single point of the sample surface.

Ein mögliches Verfahren, das dies ermöglicht, ist ein Clusteranalyse-Verfahren.One possible method that makes this possible is a cluster analysis method.

Clusteranalyse-Verfahren sind im vorausgegangenen Beschreibungsteil eingehend beschrieben worden. Hierauf wird vollumfänglich Bezug genommen. Die Clusteranalyseverfahren werden unterteilt in eine partitionierende Clusteranalyse und eine hierarchische Clusteranalyse.Cluster analysis method are described in detail in the previous part of the description Service. This reference is made in full. The Cluster analysis techniques are divided into a partitioning one Cluster analysis and a hierarchical cluster analysis.

Ein besonders bevorzugtes Verfahren zur Datenreduktion ist, wenn die Clusteranalyse eine PCA-Analyse umfasst.One Particularly preferred method for data reduction is when the Cluster analysis includes a PCA analysis.

Bei einer PCA-Analyse, einer sogenannten Principal-Component-Analysis, wird ein großer Datensatz ebenfalls auf die wesentlichen Informationen reduziert. Bei der Principal-Component-Analysis wird eine Rotation der Daten in einem n-dimensionalen Vektorraum vorgenommen. Die Rotation im n-dimensionalen Vektorraum wird so berechnet, dass ein erster Vektor in Richtung der größten Varianz der Daten zeigt und ein zweiter Vektor in Richtung der zweithöchsten Varianz. Ab einer bestimmten wählbaren Varianz müssen weitere Richtungen nicht mehr berücksichtigt werden, da sie keine weitere Information mehr enthalten. Als Varianz wird in der PCA-Analyse die größte Informationsmenge verstanden. Wenn somit von größter Varianz die Rede ist, ist hierunter die größte Informationsmenge zu verstehen.at a PCA analysis, a so-called Principal Component Analysis, a big record will also focus on the essential Information reduced. In the case of principal component analysis a rotation of the data made in an n-dimensional vector space. The rotation in the n-dimensional vector space is calculated so that a first vector in the direction of greatest variance of the data and a second vector in the direction of the second highest variance. From a certain selectable variance must more Directions are no longer taken into account as they have no more information included. As variance is used in the PCA analysis understood the largest amount of information. If Thus, the greatest variance is mentioned, is below to understand the largest amount of information.

Beispielsweise kann sich herausstellen, dass ein System lediglich vier Grundspektren enthält, die in Linearkombination vorkommen. Dann ist es möglich, die Spektren nicht mehr durch beispielsweise 1024 spektrale Kanäle, die unterschiedlichen Frequenzen zugeordnet sind, zu beschreiben, sondern nur noch durch die vier herausgefundenen Linearkombinationen. Neben dem Vorteil der Datenreduktion kann mit Hilfe der PCA-Analyse noch zusätzlich eine Rauschunterdrückung erhalten, da viele Kanäle zusammengefasst werden können.For example It can turn out that a system has only four basic spectra contains, which occur in linear combination. Then it is possible, the spectra no longer by, for example, 1024 spectral channels assigned to different frequencies are to describe, but only through the four found out Linear combinations. Besides the advantage of data reduction can with Help the PCA analysis, in addition to noise reduction received because many channels can be summarized.

Betreffend die PCA-Analyse wird auf das Buch „Multivariate Data Analysis von F. Murtagh A. Heck, erschienen bei D. Reidel Publishing Company” und für das partitionierende und hierarchische Clusterverfahren auf das Buch „Clusteranalyse von Dr. Johann Bacher”, erschienen bei R. Oldenbourg Verlag München, Wien und das Buch „Multivariate Data Analysis” von F. Murtagh A. Heck, erschienen bei D. Reidel Publishing Company , verwiesen. Der Offenbarungsgehalt dieser Bücher wird in die vorliegende Anmeldung vollumfänglich mit aufgenommen.Regarding the PCA analysis will be on the Book "Multivariate Data Analysis by F. Murtagh A. Heck, published by D. Reidel Publishing Company" and for the partitioning and hierarchical clustering method on the Book "Cluster Analysis by Dr. med. Johann Bacher ", published by R. Oldenbourg Verlag Munich, Vienna and the Book "Multivariate Data Analysis" by F. Murtagh A. Heck, published by D. Reidel Publishing Company , referenced. The disclosure of these books is included in the present application in full.

Um möglichst rasch bei unbekannten Proben interessante spektrale Bereiche im von den Rastersonden aufgenommenen Rastersondenbild aufzufinden, kann man eine bestimmte Anzahl von Messkanälen eines Spektrums zu einem charakteristischen Messwert zusammenfassen und die in einem spektralen Bereich zusammengefassten Messwerte den jeweiligen Punkten der Oberfläche zuordnen, um so eine Abbildung der Oberfläche zu erhalten Insbesondere kann bei dem erfindungsgemäßen Verfahren das Signal eine Kraft-Zeit-Kurve einer Rastersonde, die auf die Probenoberfläche zu- und wegbewegt wird, sein.Around as soon as possible interesting spectral for unknown samples Regions in the scanning probe image taken by the scanning probes you can find a certain number of measurement channels of a spectrum to a characteristic measurement and the measurements summarized in a spectral range assign to the respective points of the surface, so one In particular, can get illustration of the surface in the method according to the invention, the signal a force-time curve of a scanning probe pointing to the sample surface be moved on and off.

Alternativ kann das Signal ein Spektrum von von der Oberfläche emittiertem Licht sein, beispielsweise ein Fluoreszenz-Spektrum oder ein Raman-Spektrum.alternative the signal may be a spectrum of emitted from the surface Be light, such as a fluorescence spectrum or a Raman spectrum.

Besonders bevorzugt ist es, wenn die Anzahl der Messkanäle und damit die spektrale Breite des charakteristischen Messwertes eingestellt werden kann. Insbesondere finden die zuvor beschriebenen Verfahren Verwendung zur rauscharmen Abbildung einer Probenoberfläche durch konfokale Raman-Messung.Especially it is preferred if the number of measuring channels and thus set the spectral width of the characteristic measured value can be. In particular, the methods described above are used for the low-noise imaging of a sample surface confocal Raman measurement.

Die Erfindung soll nachfolgend ohne Beschränkung anhand der Figuren erläutert werden.The Invention is intended below without limitation based on Figures are explained.

Es zeigen:It demonstrate:

1 den Aufbau eines konfokalen Raman-Mikroskopes, bei dem eine Vorrichtung gemäß der Erfindung zur Datenreduktion und zur Rauschunterdrückung zum Einsatz kommen kann; 1 the construction of a confocal Raman microscope, in which a device according to the invention for data reduction and noise suppression can be used;

2a–f Beispiel für das Vorgehen ei einem partitionierenden Clusterverfahren; 2a -F Example of the procedure of a partitioning cluster method;

3 Grundprinzip eines unterteilenden hierarchischen Clusterverfahrens. 3 Basic Principle of a Dividing Hierarchical Cluster Method.

4a.1–c.2 Beispiel für das Vorgehen bei einem anhäufenden hierarchischen Clusterverfahren 4a.1 -C.2 Example of the procedure for a clustered hierarchical clustering procedure

5a–b Beispiel für Datenreduktion mittels PCA-Analyse 5a -B Example of data reduction using PCA analysis

6a–c Effekt der Datenreduktion mit Hilfe der PCA-Analyse 6a -C effect of data reduction using PCA analysis

7a–d bildliche Darstellung bei Akkumulieren von Datenpunkten zu unterschiedlichen Wellenzahlen 7a -D pictorial representation when accumulating data points to different wavenumbers

Obwohl vorliegende Erfindung nachfolgend an den Ausführungsbeispielen einer Vorrichtung zur Abbildung einer Probenoberfläche, insbesondere mit gestreutem Ramanlicht, einem so genannten konfokalen Raman-Mikroskop beschrieben wird, ist die Erfindung hierauf nicht beschränkt. Vielmehr umfasst sie sämtliche zur Reduktion von in wenigstens zwei Dimensionen aufgenommenen Messdaten. Neben zwei Raumrichtungen, also die Aufnahme der Daten über eine Probenoberfläche, könnten auch die Daten in einer Raumdimension und zeitlich aufgenommen werden. Auch für derartige Daten wäre eine Reduktion wie nachfolgend beschrieben möglich.Even though present invention following the embodiments a device for imaging a sample surface, in particular with scattered Raman light, a so-called confocal Raman microscope is described, the invention is not limited thereto. Rather, it includes all for the reduction of in at least two dimensions recorded measurement data. In addition to two spatial directions, ie the recording of the data on a sample surface, could also be the data in a spatial dimension and in time be recorded. Also for such data would be a reduction as described below possible.

In 1 ist der prinzipielle Aufbau eines konfokalen Raman-Mikroskopes zur Aufnahme einer Probenoberfläche dargestellt. Mit Hilfe der konfokalen Raman-Mikroskopie können chemische Eigenschaften und Phasen von flüssigen und festen Komponenten analysiert werden bis in den Bereich des durch Beugung begrenzten Auflösungsvermögens von ungefähr 200 Nanometern. Eine Markierung der Probe beispielsweise mit Fluoreszenzstoffen wie in der Fluoreszenzmikroskopie ist nicht notwendig. Durch den konfokalen Aufbau wird eine Tiefenauflösung zur Verfügung gestellt, die es erlaubt, die Probe in die Tiefe zu analysieren, ohne beispielsweise Schnitte wie bei der Elektronenmikroskopie durchführen zu müssen.In 1 is the basic structure of a confocal Raman microscope for recording a sample surface shown. Using confocal Raman microscopy, chemical properties and phases of liquid and solid components can be analyzed down to the diffraction-limited resolving power of approximately 200 nanometers. A marking of the sample, for example, with fluorescers as in fluorescence microscopy is not necessary. The confocal design provides a depth resolution that allows the sample to be analyzed in depth, without having to make cuts such as in electron microscopy.

Bei der konfokalen Mikroskopie wird eine punktförmige Lichtquelle, vorzugsweise ein Laser, auf einem Punkt der Probe abgebildet. Anschließend wird dieser Bildpunkt vorzugsweise mit derselben Optik auf eine Lochblende, ein so genanntes Pin-Hole, vor einem Detektor fokussiert. Die Größe der Lochblende muss dabei kleiner als die beugungsbegrenzte Abbildung des Beleuchtungsbildes sein. Das Bild wird nun dadurch erzeugt, dass ein Punkt der Beleuchtungsquelle über die Probe gerastert wird, die Probe also Punkt für Punkt abgetastet wird. Mit dieser Art der Abbildung erreicht man eine erhebliche Steigerung des Bildkontrastes, da zur Abbildung nur die Fokusebene des Objektivs beiträgt. Außerdem kann die Auflösung aufgrund der Faltung des Beugungspunktes in der Apertur der Lochblende um etwa den Faktor √2 auf λ/3 reduziert werden Zusätzlich kann man ein dreidimensionales Bild der Probenstruktur mit einer axialen Auflösung von etwa einer Wellenlänge erhalten.at confocal microscopy becomes a punctiform light source, preferably a laser, imaged on a point of the sample. Subsequently is this pixel preferably with the same look on a pinhole, a so-called pin-hole, focused in front of a detector. The size the aperture must be smaller than the diffraction-limited image be the illumination image. The image is now generated by that a point of the illumination source is scanned over the sample is sampled, so the sample is sampled point by point. With This type of illustration achieves a significant increase the image contrast, since only the focal plane of the lens for imaging contributes. Besides, the resolution may be due to the convolution of the diffraction point in the aperture of the pinhole be reduced by about the factor √2 to λ / 3 In addition, you can get a three-dimensional image of the sample structure with an axial resolution of about one wavelength receive.

Betreffend die konfokale Mikroskopie wird beispielsweise auf die DE 199 02 234 A1 verwiesen.Concerning the confocal microscopy is for example on the DE 199 02 234 A1 directed.

In 1 ist ein Aufbau eines konfokalen Raman-Mikroskopes beispielsweise des Mikroskopes alpha300 R der Witec GmbH, D-89018 Ulm, Deutschland, dargestellt. Bei dem konfokalen Raman-Mikroskop 1 wird das Licht einer Lichtquelle 10 an einem Strahlteilerspiegel 12 nach einer Strahlaufweitung 14 in Richtung der Probe 16 auf den Probentisch 18 gelenkt. Der umgelenkte Lichtstrahl 19 wird dabei durch eine geeignete Optik auf einem Punkt 20 auf der Probe 16 fokussiert. Das Licht des Lasers 10 wechselwirkt mit der Materie der Probe 16. Es entsteht zum einen von der Probe zurückgestreutes Rayleigh-Licht derselben Wellenlänge wie das eingestrahlte Licht. Dieses Licht wird über einen Strahlenteiler 12 umgelenkt und gelangt nicht in die Detektionsoptik.In 1 is a structure of a confocal Raman microscope, for example, the microscope alpha300 R Witec GmbH, D-89018 Ulm, Germany, shown. At the confocal Raman microscope 1 becomes the light of a light source 10 at a beam splitter mirror 12 after a beam expansion 14 in the direction of the sample 16 on the sample table 18 directed. The redirected light beam 19 is thereby by a suitable optics on a point 20 on the test 16 focused. The light of the laser 10 interacts with the matter of the sample 16 , On the one hand, Rayleigh light of the same wavelength backscattered from the sample is formed as the incident light. This light is transmitted via a beam splitter 12 deflected and does not get into the detection optics.

Das Licht einer unterschiedlichen Frequenzen, als das von der Probe emittierte Rayleigh-Licht, nämlich das Raman-Licht, durchtritt den Strahlenteiler 12. Hinter dem Strahlenteiler 12 ist das Raman-Licht mit Bezugsziffer 22 gekennzeichnet. Über ein nicht dargestelltes Pin-Hole wird das Raman-Licht 22 in eine Lichtleitfaser 30 eingekoppelt und gelangt zu einem Spektrometer 40. Im Spektrometer 40 wird der Strahl mit Raman-Licht durch eine geeignete Optik wieder aufgeweitet, ergebend den Strahl 42, der auf einen Gitterspektralfilter 44 trifft. Der Gitterspektralfilter 44 beugt das Licht entsprechend seiner Wellenlänge in unterschiedliche Richtungen, so dass auf dem CCD-Chip 50 ortsabhängig ein spektrales Signal aufgenommen werden kann. Der CCD-Chip 50 weist beispielsweise 1024 Kanäle auf, so dass insgesamt 1024 Kanäle des CCD-Chips Licht unterschiedlicher Wellenlänge aufnehmen können.The light of a different frequency than the Rayleigh light emitted from the sample, namely, the Raman light, passes through the beam splitter 12 , Behind the beam splitter 12 is the Raman light with reference numeral 22 characterized. An unillustrated pin hole becomes the Raman light 22 in an optical fiber 30 coupled and passes to a spectrometer 40 , In the spectrometer 40 the beam is re-expanded with Raman light by suitable optics, resulting in the beam 42 pointing to a grating spectral filter 44 meets. The grating spectral filter 44 bends the light according to its wavelength in different Directions, so on the CCD chip 50 Depending on the location, a spectral signal can be recorded. The CCD chip 50 has, for example, 1024 channels, so that a total of 1024 channels of the CCD chip can record light of different wavelengths.

Das aufgenommene Licht des CCD-Chips 50 wird an eine Auswerteeinheit 100 übertragen. Die Auswerteeinheit 100 ist Teil einer Steuerung des Probentisches 18. Von der Auswerteeinheit 100 werden auch die genauen Positionen in X- und Y-Richtung, unter Umständen auch in Z-Richtung des Probentisches 18 aufgenommen. Im Allgemeinen erfolgt das Abrastern der Probe 16 durch Verschieben des als Verschiebetisch 110 ausgelegten Probentisches. Der Verschiebetisch ist bevorzugt als Piezotisch ausgebildet. Die Verschiebung des Verschiebetisches 110 mit den darauf angeordneten Proben X und Y erfolgt mittels von Piezoelementen. Beispielsweise kann der Rasterbereich des Piezotisches in der X-, Y-Ebene 130, 100 Mikrometern betragen. Um Piezo-Hystereseeffekte auszugleichen, kann der Tisch kapazitiv geregelt werden. Diese Angabe des Rasterbereiches des Verschiebetisches ist nur beispielhaft, möglich sind Rasterbereiche von 10 nm bis 1000 cm.The recorded light of the CCD chip 50 is sent to an evaluation unit 100 transfer. The evaluation unit 100 is part of a control of the sample table 18 , From the evaluation unit 100 Also, the exact positions in the X and Y direction, possibly in the Z direction of the sample table 18 added. In general, the sample is scanned 16 by moving the as a translation table 110 designed sample table. The translation table is preferably designed as a piezo table. The displacement of the moving table 110 with the samples X and Y arranged thereon by means of piezo elements. For example, the grid area of the piezo table in the X, Y plane 130 . 100 Microns. To compensate for piezo-hysteresis effects, the table can be controlled capacitively. This indication of the raster area of the translation stage is only an example, raster areas of 10 nm to 1000 cm are possible.

Das Bild der Probe entsteht dann durch Abrastern mit Hilfe des Scantisches in der X-, Y-Ebene. Besonders bevorzugt ist es, wenn nicht die Lichtquelle oder die Einkoppelfaser bewegt wird, sondern die Probe durch Bewegung des Piezotisches abgescannt wird.The Image of the sample is then formed by scanning with the help of the scan table in the X, Y plane. It is particularly preferred, if not the light source or the Einkoppelfaser is moved, but the sample by movement the piezo table is scanned.

Zur Justage beziehungsweise zur Beobachtung kann auch Licht einer Weißlichtquelle 120 auf die Probe 16 eingekoppelt werden.For adjustment or for observation can also light of a white light source 120 to the test 16 be coupled.

Da das Lichtsignal des Raman-Lichtes sehr lichtschwach ist, müssen bei einem konventionellen Aufbau für das komplette Abscannen der Probe und damit für die Erzeugung eines Bildes sehr große Messzeiten einkalkuliert werden, um keine verrauschten Spektren und damit Bilder zu erhalten. Erfindungsgemäß ist daher vorgesehen, das Messverfahren schneller und effizienter zu machen, indem in das Auswertemodul, das auch als Regelmodul für das Verfahren des Piezotisches dienen kann, eine Analysevorrichtung 200 vorgesehen ist, die mit Hilfe der nachfolgend beschriebenen Analyseverfahren, insbesondere der partitionierenden und hierarchischen Clusteranalyse die aufzunehmende Datenmenge reduziert, damit die Messzeit verringert und das Rauschen unterdrückt.Since the light signal of the Raman light is very faint, in a conventional setup for the complete scanning of the sample and thus for the generation of an image very large measurement times must be taken into account in order not to get noisy spectra and thus images. According to the invention, it is therefore provided to make the measuring method faster and more efficient by providing an analysis device in the evaluation module, which can also serve as a control module for the method of the piezotisches 200 is provided, which reduces the amount of data to be recorded with the aid of the analysis methods described below, in particular the partitioning and hierarchical cluster analysis, so that the measurement time is reduced and the noise is suppressed.

Zunächst soll anhand der 2a–2f das partitionierende Clusterverfahren zur Datenreduktion beschrieben werden.First, based on the 2a - 2f the partitioning cluster method for data reduction will be described.

Zu den partitionierenden Clusterverfahren zählen:

– K means Algorithmus
– EM Algorithmus
– Spectral Clustering Algorithmus
– Multiview Clustering Algorithmus
– Fuzzy Algorithmus

Partitioning clustering methods include:

- K means algorithm
- EM algorithm
- Spectral clustering algorithm
- Multiview clustering algorithm
- Fuzzy algorithm

Bei all diesen Verfahren wird die Anzahl der Clusterzentren vor Berechnung festgelegt.at All these methods will calculate the number of cluster centers established.

2a zeigt ein System, bei dem die Anzahl der Clusterzentren zu drei gewählt wird. Cluster 1 ist mit Bezugsziffer 200.1, Cluster 2 mit 200.2, Cluster 3 mit 200.3 bezeichnet. Die Auswahl der Cluster ist zufällig. Die zufällig ausgewählten Clusterzentren werden auch als mittlere Spektren bezeichnet. 2a shows a system in which the number of cluster centers is chosen to be three. Cluster 1 is by reference 200.1 , Cluster 2 with 200.2 , Cluster 3 with 200.3 designated. The selection of clusters is random. The randomly selected cluster centers are also called mean spectra.

In einem ersten in 2b gezeigten Schritt werden alle Spektren gleichmäßig auf die Cluster verteilt. So werden die Spektren 210.1 Cluster 1 mit Bezugsziffer 200.1, die Spektren 220.1, 220.2, 220.3, 220.4, 220.5, 220.6 Cluster 2 mit Bezugsziffer 200.2 und die Spektren 230.1, 230.2, 230.3, 230.4, 230.5 Cluster 3 mit Bezugsziffer 200.3 zugeordnet.In a first in 2 B As shown, all spectra are evenly distributed among the clusters. This is how the spectra become 210.1 Cluster 1 with reference number 200.1 , the spectra 220.1 . 220.2 . 220.3 . 220.4 . 220.5 . 220.6 Cluster 2 with reference number 200.2 and the spectra 230.1 . 230.2 . 230.3 . 230.4 . 230.5 Cluster 3 with reference number 200.3 assigned.

Aus den Spektren wird nun für jeden Cluster ein mittleres Spektrum berechnet. Die 2c zeigt die mittleren Spektren als Kreise und die gemessenen Spektren als Quadrate. Die Pfeile 250.1, 250.2, 250.3 geben dabei die Richtung an, in der sich das mittlere Spektrum bzw. das jeweilige Clusterzentrum 200.1, 200.2, 200.3 in Bezug auf die Lage in 2a verschiebt.From the spectra, a mean spectrum is calculated for each cluster. The 2c shows the mean spectra as circles and the measured spectra as squares. The arrows 250.1 . 250.2 . 250.3 indicate the direction in which the middle spectrum or the respective cluster center 200.1 . 200.2 . 200.3 in terms of location in 2a shifts.

In 2d ist die Um- bzw. Neuverteilung der Spektren gezeigt. So ergibt eine Bestimmung der Ähnlichkeit, wie oben dargestellt der Spektren 220.1, 220.2, dass diese dem Cluster 1 200.1 ähnlicher sind als dem Cluster 2 200.2. Man ordnet diese daher Cluster 1 200.1 zu. Das Spektrum 230.1 ist dem Cluster 2 200.2 ähnlicher als dem Cluster 3 200.3. Man ordnet daher Cluster 2 200.2 das Spektrum 230.1 zu.In 2d the redistribution or redistribution of the spectra is shown. Thus, a determination of similarity, as shown above, gives the spectra 220.1 . 220.2 that this is the cluster 1 200.1 are more similar than cluster 2 200.2 , These are therefore assigned to cluster 1 200.1 to. The spectrum 230.1 is the cluster 2 200.2 more similar than cluster 3 200.3 , One therefore assigns cluster 2 200.2 the spectrum 230.1 to.

Mit dieser neuen Zuordnung werden für die Cluster neue mittlere Spektren berechnet (wie in 2e gezeigt). In 2e gibt Pfeil 260.1 an, wie sich durch die Um- bzw. Neuordnung der Spektren 220.1, 220.2 der Cluster 1 mit Bezugsziffer 200.1 in Bezug auf 2c verschiebt. Pfeil 260.2 gibt die Verschiebung von Cluster 2 mit Bezugsziffer 200.2 und Pfeil 260.3 die Verschiebung von Cluster 3 mit Bezugsziffer 200.3 an.With this new mapping, new mean spectra are calculated for the clusters (as in 2e shown). In 2e gives arrow 260.1 as reflected by the rearrangement or rearrangement of the spectra 220.1 . 220.2 the cluster 1 with reference number 200.1 in relation to 2c shifts. arrow 260.2 indicates the displacement of cluster 2 by reference 200.2 and arrow 260.3 the displacement of cluster 3 by reference 200.3 at.

Ausgehend von diesem neuen mittleren Spektren gemäß 2e findet eine neue Zuordnung der gemessenen Spektren zu den Clustern statt. Dies ist in 2f gezeigt. Dieses Um- und Neusortieren wird solange wiederholt bis alle gemessenen Spektren im selben Cluster bleiben. Auf diese Art und Weise befinden Sich alle ähnlichen Spektren im gleichen Cluster. Da die Orte der Spektren bekannt sind, lassen sich die Cluster bildlich darstellen.Starting from this new mean spectra according to 2e A new assignment of the measured spectra to the clusters takes place. This is in 2f shown. This reordering and reordering is repeated until all measured spectra remain in the same cluster. In this way, all similar spectra are in the same cluster. Since the locations of the spectra are known, the clusters can be visualized.

Jedes Cluster erhält eine unterschiedliche Farbe. Das dazugehörige rauscharme mittlere Spektrum 200.1, 200.2, 200.3 des Clusters lässt sich gleichzeitig in der gleichen Farbe darstellen.Each cluster gets a different color. The associated low-noise medium spectrum 200.1 . 200.2 . 200.3 of the cluster can be displayed in the same color at the same time.

Bei einer in situ Auswertung der Spektren wird dieses Verfahren auf die bereits gemessenen Spektren angewendet und in regelmäßigen Zeitabständen wiederholt bis die Messung fertig ist. Den Endzustand zeigt 2f. Gegenüber 2e wurde das Spektrum 230.2 umsortiert.In an in situ evaluation of the spectra, this method is applied to the already measured spectra and repeated at regular time intervals until the measurement is finished. The final state shows 2f , Across from 2e became the spectrum 230.2 reordered.

Bei hierarischen Clusterverfahren unterscheidet man grundsätzlich zwischen anhäufenden und unterteilenden Algorithmen.at Hierarchical clustering is basically different between accumulating and dividing algorithms.

Bei anhäufenden d. h. agglomerierenden Verfahren wird zu Beginn jedes Spektrum als ein Cluster betrachtet. In jedem Rechenschritt werden nun die zwei zueinander ähnlichsten Cluster zu einem Cluster zusammengefügt. Dieser Vorgang wird so lange wiederholt, bis eine festgelegte Distanz überschritten wird oder nur noch ein Cluster vorhanden ist.at accumulating d. H. agglomerating process is at the beginning each spectrum considered as a cluster. In every step of calculation Now the two most similar clusters become one Clusters joined together. This process is repeated as long as until a fixed distance is exceeded or only a cluster exists.

Bei unterteilenden Algorithmen befinden sich zuerst alle Spektren in einem Cluster, welches dann in jedem Rechenschritt unterteilt wird.at subdividing algorithms are first all spectra in a cluster, which is then subdivided in each calculation step.

Agglomerierende hierarchische Clusterverfahren sind:

Agglomerating hierarchical clustering methods are:

Die oben angegebenen Clusterverfahren unterscheiden sich im Wesentlichen in ihrer Distanzfunktion. Hierbei werden im Gegensatz zu partitionierenden Clustern nicht nur zwei Spektren miteinander verglichen, sondern jedes Spektrum eines Clusters wird mit jedem Spektrum des anderen Clusters verglichen.The The above-mentioned cluster methods are essentially different in their distance function. Here are in contrast to partitioning Clusters not only compared two spectra, but instead Each spectrum of a cluster will work with each spectrum of the other Clusters compared.

Die 3 zeigt dieses Grundprinzip eines agglomeierenden Algortihmus für ein hierarchisches Clusterverfahren und das Zusammenfügen der Cluster und die dabei gewonnene Baumstruktur 500 (Dendrogramm). Hierbei lässt sich jeder Knotenpunkt 510.1, 510.2, 510.3, 510.4, 510.5 des Baums 500 als Bild darstellen. Die zu den Knoten zugehörenden Bilder sind mit den Bezugsziffern 520.1, 520.2, 520.3, 520.4, 520.5 bezeichnet. Zusätzlich erhält man ein rauscharmes mittleres Spektrum, welches dieses Cluster charakterisiert. 3 zeigt eine solche Baumstruktur, wie sie sich für Bilder ergeben würden. Die Ähnlichkeit nimmt dabei mit der Unterteilung, d. h. vom Knoten 520.1 zum Knoten 520.5, zuThe 3 shows this basic principle of an agglomerating algorithm algebra for a hierarchical cluster method and the joining of the clusters and the tree structure obtained thereby 500 (Dendrogram). Here, every node can be 510.1 . 510.2 . 510.3 . 510.4 . 510.5 of the tree 500 as picture. The images belonging to the nodes are indicated by the reference numbers 520.1 . 520.2 . 520.3 . 520.4 . 520.5 designated. In addition, a low-noise middle spectrum is obtained, which characterizes this cluster. 3 shows such a tree structure as would be the case for pictures. The similarity decreases with the subdivision, ie from the node 520.1 to the node 520.5 , too

In den 4a bis 4c ist ein anhäufendes Algortihmus für ein hierarchisches Clusterverfahren gezeigt. Zunächst sind, wie in 4a.1 gezeigt, alle Cluster 660.1, 600.2, 600.3, 600.4, 600.5, 600.6, 600.7, 600.8, 600.9, 600.10, 600.11, 600.12 einzeln. In einem in 4a.1 gezeigten ersten Schritt werden die Abstände aller Cluster zueinander berechnet und die Cluster mit dem geringsten Abstand voneinander zusammengefasst. Vorliegend sind die Cluster 600.11 und 600.10 die Cluster mit dem geringsten Abstand zueinander. Die beiden Cluster 600.10, 600.11 bilden zusammen einen neuen Cluster 610. Die Baumstruktur bzw. das Dendrogramm zu 4a.1 ist in 4a.2 gezeigt.In the 4a to 4c For example, a clustering algorithm is shown for a hierarchical clustering method. First, as in 4a.1 shown all clusters 660.1 . 600.2 . 600.3 . 600.4 . 600.5 . 600.6 . 600.7 . 600.8 . 600.9 . 600.10 . 600.11 . 600.12 individually. In an in 4a.1 As shown in the first step, the distances of all clusters to each other are calculated and the clusters with the shortest distance from each other are summarized. Here are the clusters 600.11 and 600.10 the clusters with the shortest distance to each other. The two clusters 600.10 . 600.11 together form a new cluster 610 , The tree structure or the dendrogram too 4a.1 is in 4a.2 shown.

In einem weiteren Schritt werden, wie in 4b.1 gezeigt, wiederum die Abstände für alle Cluster berechnet und die Cluster mit dem geringsten Abstand zusammengefasst. Dies sind vorliegend die Cluster 600.1, 600.2, die zum neuen Cluster 620 zusammengefasst werden. Das zugehörige Dendrogramm bzw. die Baumstruktur ist in 4.b.2 gezeigt.In a further step, as in 4b.1 Again, the distances are calculated for all clusters and the clusters with the shortest distance are summarized. These are the clusters in the present case 600.1 . 600.2 leading to the new cluster 620 be summarized. The associated dendrogram or the tree structure is in 4.b.2 shown.

Das hierarchische Clusterverfahren ist abgeschlossen, wenn, wie in 4c.1 gezeigt, sämtliche Cluster zu einem einzigen großen Cluster zusammengefasst sind. Das Dendrogramm bzw. die Baumstruktur zu 4c.1 ist in 4c.2 dargestellt.The hierarchical clustering process is complete when, as in 4c.1 All clusters are grouped into a single large cluster. The dendrogram or tree structure too 4c.1 is in 4c.2 shown.

In den 5a bis 5b ist dargestellt, wie durch geeignete Wahl eines neuen Koordinatensystems die Dimensionalität eines Datensatzes reduziert werden kann. Dies wird auch als PCA-Analyse bezeichnet.In the 5a to 5b is shown how the dimensionality of a data set can be reduced by a suitable choice of a new coordinate system. This is also called PCA analysis.

5a zeigt die ursprünglich vorliegenden Messdaten 700 als Punkte in einer zweidimensionalen Darstellung in einer x-y-Ebene. Wie aus der Lage der Datenpunkte in 5a hervorgeht, besteht ein funktioneller Zusammenhang, nämlich ein linearer Zusammenhang in der x-y-Ebene. Demgemäß kann ein neues Koordinatensystem x', y' gewählt werden, wobei, wie 5b zeigt, die Koordinate in y'-Richtung nicht mehr gebraucht wird. Die sich durch die Wahl des Koordinatensystems, insbesondere in x'-Richtung ergebende Datenreduktion ist in 5b dargestellt. Wie aus 5b zu erkennen ist, werden nunmehr lediglich Daten in die x'-Richtung, die mit 710 gekennzeichnet sind, berücksichtigt. 5a shows the original measurement data 700 as points in a two-dimensional representation in an xy plane. As seen from the location of the data points in 5a As can be seen, there is a functional relationship, namely a linear relationship in the xy plane. Accordingly, a new coordinate system x ', y' can be selected, wherein, as 5b shows that the coordinate in y 'direction is no longer needed. The data reduction resulting from the choice of the coordinate system, in particular in the x 'direction, is in 5b shown. How out 5b can be seen, now only data in the x'-direction, with 710 are taken into account.

In einem hochdimensionalen Raum reichen oft nur wenige Koordinaten, um die Messdaten zu beschreiben. Prinzipiell erfolgt die Datenreduktion, wie in dem oben dargestellten Beispiel gemäß den 5a und 5b. In den 6a bis 6c ist dargestellt, wie in einem hochdimensionalen Raum mit beispielsweise 969 Koordinaten, durch die in den 5a und 5b prinzipiell dargestellten Datenreduktion, die so genannte PCA-Analyse auf wenige Koordinaten reduziert werden kannIn a high-dimensional space, only a few coordinates are often enough to describe the measurement data. In principle, the data reduction takes place, as in the example shown above according to the 5a and 5b , In the 6a to 6c is shown as in a high - dimensional space with, for example, 969 coordinates passing through the 5a and 5b principle illustrated data reduction, the so-called PCA analysis can be reduced to a few coordinates

In den in 6a bis 6c gezeigten Beispiel erfolgt die Reduktion auf nur fünf Koordinaten. In 6a ist das Spektrum des Ursprungsvektors mit 800 gekennzeichnet. Die den zugehörigen 5 Koordinaten zugeordnete Spektren, die durch Datenreduktion erhalten wurden, sind mit 810.1, 810.2, 810.3, 810.4, 810.5 gekennzeichnet.In the in 6a to 6c As shown, the reduction is done on only five coordinates. In 6a is the spectrum of the original vector with 800 characterized. The associated with the associated 5 coordinates spectra, which were obtained by data reduction, are with 810.1 . 810.2 . 810.3 . 810.4 . 810.5 characterized.

In 6b ist das Originalspektrum 900 dargestellt sowie das aufgrund der fünf Vektoren der PCA-Analyse rekonstruierte Spektrum 910. Wie in 6b zu erkennen ist, unterscheidet sich das anhand der fünf Koordinaten rekonstruierte Spektrum kaum vom Originalspektrum. Allerdings kann eine nachfolgende Berechnung deutlich schneller, ungefähr 200 Mal schneller erfolgen als bei Zugrundelegen des Originalspektrums.In 6b is the original spectrum 900 and the spectrum reconstructed from the five vectors of PCA analysis 910 , As in 6b can be seen, the spectrum reconstructed on the basis of the five coordinates hardly differs from the original spectrum. However, a subsequent calculation can be done much faster, about 200 times faster than when using the original spectrum.

Wie aus 6c hervorgeht, enthält das transformierte, d. h. das rekonstruierte Spektrum 95% der Information, die in vorliegender Anmeldung im Rahmen der PCA-Analyse auch als Varianz gekennzeichnet wird.How out 6c As can be seen, the transformed spectrum, ie the reconstructed spectrum, contains 95% of the information, which is also characterized as variance in the present application in the context of PCA analysis.

Mit der Vorrichtung sowie dem Verfahren gemäß der Erfindung, bei dem im Wesentlichen durch Analyseverfahren die Datenmenge reduziert und damit die Verarbeitbarkeit insbesondere in der Geschwindigkeit erhöht wird, gibt die Erfindung auch ein Verfahren an, mit dem möglichst rasch bei unbekannten Proben spektral signifikante Bereiche im von den Rastersonden aufgenommenen Rastersondenbild aufgefunden werden können.With the device and the method according to the Invention, in which essentially by analysis method, the amount of data reduced and thus increases the workability in particular in speed is, the invention also specifies a method with the possible rapidly with unknown samples spectrally significant ranges in from the raster probes recorded raster probe image can be found.

Dies ist in den 7a bis 7d dargestellt. 7a zeigt ein Raman-Spektrum mit insgesamt drei signifikanten Bereichen 1000.1, 1000.2, 1000.3 im Raman-Spektrum. Die unterschiedlichen Wellenzahlen zugeordneten Banden im in 7a dargestellten Raman-Spektrum entsprechend unterschiedlichen Kanälen auf einem CCD-Chip.This is in the 7a to 7d shown. 7a shows a Raman spectrum with a total of three significant areas 1000.1 . 1000.2 . 1000.3 in the Raman spectrum. The different wavenumbers associated bands in in 7a represented Raman spectrum corresponding to different channels on a CCD chip.

Will man nun charakteristische Bereiche einer Probenfläche untersuchen, so wird nur die Intensität der Kanäle in dem engen, zu untersuchenden Bereich 1000.1, 1000.2, 1000.3 kulminiert. Dies ist für die Bereiche 1000.1 in 7b, 1000.2 in 7c und 1000.3 in 7d dargestellt. Die Darstellung nur sehr enger Bereiche des Spektrums ermöglicht eine sehr schnelle Lokalisierung dieser Bereiche auf der Probenoberfläche. Aufgrund der Signifikanz der Bande im Raman-Spektrum kann auf das Vorhandensein bestimmter Substanzen geschlossen werden. Beispielhaft ist dies in 7d gezeigt. Dort sehr gut zu erkennen sind die schwarzen Bereiche 1100, in denen Stoffe bzw. Substanzen enthalten sind, die die charakteristische Bande im Bereich 1000.2 des Raman-Spektrums aufweisen.If one now wants to examine characteristic regions of a sample surface, only the intensity of the channels in the narrow region to be examined becomes 1000.1 . 1000.2 . 1000.3 culminates. This is for the areas 1000.1 in 7b . 1000.2 in 7c and 1000.3 in 7d shown. The representation of only very narrow regions of the spectrum enables a very rapid localization of these regions on the sample surface. Due to the significance of the band in the Raman spectrum, it can be concluded that certain substances are present. This is exemplified in 7d shown. There you can see very well the black areas 1100 , in which substances or substances are contained, which have the characteristic band in the range 1000.2 of the Raman spectrum.

Mit der Erfindung wird erstmals eine Vorrichtung und ein Verfahren angegeben, mit dem mit Hilfe von Analyseverfahren die Datenmenge gegenüber bisherigen Verfahren erheblich reduziert werden kann. Auf diese Art und Weise ist es möglich, dass die Daten wesentlich schneller als bislang aufgenommen werden können, insbesondere können aus einer Vielzahl von verrauschten Bildern sehr rauscharme, Informationen enthaltende Bilder einer zwei-dimensionalen Probenoberfläche erhalten werden. Daneben stellt die Erfindung auch ein Verfahren zum Erkennen von charakteristischen Bereichen nach einer Probenoberfläche zur Verfügung, wobei über die gesamte Probenoberfläche an den unterschiedlichen Punkten Spektren, insbesondere Raman-Spektren, aufgenommen werden.With the invention, a device and a method are specified for the first time, with the aid of analysis methods, the amount of data compared to previous methods can be significantly reduced. In this way, it is possible that the data can be recorded much faster than previously, in particular can be from a variety of noisy images very low-noise, information ent holding images of a two-dimensional sample surface. In addition, the invention also provides a method for identifying characteristic areas after a sample surface, wherein spectra, in particular Raman spectra, are recorded over the entire sample surface at the different points.

ZITATE ENTHALTEN IN DER BESCHREIBUNGQUOTES INCLUDE IN THE DESCRIPTION

Diese Liste der vom Anmelder aufgeführten Dokumente wurde automatisiert erzeugt und ist ausschließlich zur besseren Information des Lesers aufgenommen. Die Liste ist nicht Bestandteil der deutschen Patent- bzw. Gebrauchsmusteranmeldung. Das DPMA übernimmt keinerlei Haftung für etwaige Fehler oder Auslassungen.This list The documents listed by the applicant have been automated generated and is solely for better information recorded by the reader. The list is not part of the German Patent or utility model application. The DPMA takes over no liability for any errors or omissions.

Zitierte PatentliteraturCited patent literature

- EP 1342049 A [0001]
- EP 1342049 B1 [0001, 0002]
- DE 19902234 A1 [0049]

Zitierte Nicht-PatentliteraturCited non-patent literature

- "Multivariate Data Analysis by F. Murtagh A. Heck, published by D. Reidel Publishing Company" [0033]
- Book "Cluster Analysis by Dr. med. Johann Bacher ", published by R. Oldenbourg Verlag Munich, Vienna [0033]
- "Multivariate Data Analysis" by F. Murtagh A. Heck, published by D. Reidel Publishing Company [0033]

Claims

Apparatus for imaging the surface of a sample having means for receiving a plurality of signals at a plurality of points on the surface, each signal comprising at each point a plurality of signal values associated with individual measurement channels, characterized in that the apparatus comprises an analysis device comprising is configured such that by a total or partial analysis of a plurality of signals, each associated with different points of the sample surface, a point of the sample surface is characterized.

Device according to claim 1, characterized in that the analysis device is designed in this way is that the whole or partial analysis of the multiple signals largely at the same time takes place in situ with the signal recording.

Device according to claim 1, characterized in that the analysis device is designed in this way is that the whole or partial analysis of the multiple signals done in a fast post-processing.

Device according to one of claims 1 to 3, characterized in that the analysis means the signals to different points of the surface in a given Number of similar signals using an analysis method sorted, such that from the sorted similar signals individual points of the sample surface are characterized.

Device according to claim 4, characterized in that that the analysis method comprises a cluster analysis.

Device according to claim 5, characterized in that that the cluster analysis is a hierarchical cluster analysis.

Device according to claim 5, characterized in that Cluster analysis is a partitioning cluster analysis.

Device according to claim 6, characterized in that that the hierarchical cluster analysis is a subdividing algorithm includes.

Device according to claim 6, characterized in that that the hierarchical cluster analysis is an accumulative Algorithm includes.

Device according to claim 7, characterized in that that the partitioning cluster analysis one or more of the following Algorithms includes: A k-means algorithm - one EM algorithm - a spectral clustering algorithm - one Maximum marging clustering algorithm - a multiview clustering algorithm - one Fuzzy algorithm.

Device according to one of claims 1 to 10, characterized in that the analysis method is a PCA analysis includes.

Device according to claim 11, characterized in that that the PCA analysis precedes the cluster analysis and the Cluster analysis based on the PCA analysis.

Device according to one of claims 1 to 11, characterized in that the signal is a force-time curve a scanning probe, the on the sample surface and is moved away is.

Device according to one of claims 1 to 11, characterized in that the signal is a spectrum of the surface of emitted light.

Device according to claim 14, characterized in that that the spectrum is a fluorescence spectrum.

Device according to claim 14, characterized in that that the spectrum is a Raman spectrum.

Method for imaging the surface a sample comprising the following steps: it will be one Variety of signals at a variety of points of the surface taken from the sample, each signal being a plurality to each point includes signal values associated with individual measurement channels, it is determined by total or partial analysis of multiple signals, assigned the different points of the sample surface are a point of the sample surface characterized.

Method according to claim 17, characterized in that that the whole or partial analysis of the multiple signals largely at the same time in situ with signal recording.

Method according to claim 17, characterized in that that the whole or partial analysis of the multiple signals in a fast post-processing takes place.

Method according to one of claims 1 to 13, characterized in that the signals to different Points of the surface in a predetermined number similar to each other Signals are sorted using an analysis method and off the sorted, similar signals a characterization of points of the sample surface.

Method according to claim 20, characterized in that that the analysis method comprises a cluster analysis.

Method according to claim 21, characterized that the cluster analysis is a hierarchical cluster analysis.

Method according to claim 21, characterized Cluster analysis is a partitioning cluster analysis.

Method according to claim 23, characterized that the hierarchical cluster analysis is a subdividing algorithm includes.

Method according to claim 23, characterized that the hierarchical cluster analysis is a cumulative Algorithm includes.

Method according to claim 23, characterized that the partitioning cluster analysis one or more of the The following algorithms include: A k-means algorithm - one EM algorithm - a spectral clustering algorithm - one Maximum marging algorithm - a multiview cluster algorithm - one Fuzzy algorithm.

Method according to one of claims 17 to 26, characterized in that the analysis method is a PCA analysis includes.

Method according to Claim 27, characterized that the PCA analysis precedes the cluster analysis and the Cluster analysis based on the PCA analysis.

Method according to one of claims 17 to 28, wherein the signal is a force-time curve of a scanning probe, the on the sample surface and is moved away is.

Method according to one of claims 17 to 28, characterized in that the signal is a spectrum of the surface of emitted light.

Method according to claim 30, characterized in that that the spectrum is a fluorescence spectrum.

Method according to claim 30, characterized in that that the spectrum is a Raman spectrum.

Method for imaging the surface a sample comprising the following steps: there will be a variety of signals at a variety of points of the surface taken, where every signal to a point a variety includes signal values assigned by individual measurement channels, where a range of selected by measurement channels and the signal values are displayed in the selected area Become a picture of the surface.

Method according to claim 33, characterized that the signal values in the selected area are part of a Spectrum of light emitted from the surface.

A method according to claim 34, characterized that the spectrum is a fluorescence spectrum.

A method according to claim 34, characterized that the spectrum is a Raman spectrum.

Use of a method according to one of claims 17 to 32 for low-noise imaging of a Sample surface by Raman measurement.

Use according to claim 37, characterized in that the Raman measurement is a confocal Raman measurement is.