TEM和SEM的工作原理差别?

扫描电子显微镜 SEM(scanning electron microscope) 工作原理：

1965年发明的较现代的细胞生物学研究工具，主要是利用二次电子信号成像来观察样品的表面形态，即用极狭窄的电子束去扫描样品，通过电子束与样品的相互作用产生各种效应，其中主要是样品的二次电子发射。二次电子能够产生样品表面放大的形貌像，这个像是在样品被扫描时按时序建立起来的，即使用逐点成像的方法获得放大像。

透射电镜TEM (transmission electron microscope)工作原理：

是以电子束透过样品经过聚焦与放大后所产生的物像， 投射到荧光屏上或照相底片上进行观察。

一、扫描电子显微镜 SEM(scanning electron microscope)的制造依据

扫描电子显微镜的制造是依据电子与物质的相互作用。当一束高能的人射电子轰击物质表面时，被激发的区域将产生二次电子、俄歇电子、特征x射线和连续谱X射线、背散射电子、透射电子，以及在可见、紫外、红外光区域产生的电磁辐射。

同时，也可产生电子-空穴对、晶格振动 (声子)、电子振荡 (等离子体)。原则上讲，利用电子和物质的相互作用，可以获取被测样品本身的各种物理、化学性质的信息，如形貌、组成、晶体结构、电子结构和内部电场或磁场等等。

扫描电子显微镜正是根据上述不同信息产生的机理，采用不同的信息检测器，使选择检测得以实现。如对二次电子、背散射电子的采集，可得到有关物质微观形貌的信息对x射线的采集，可得到物质化学成分的信息。正因如此，根据不同需求，可制造出功能配置不同的扫描电子显微镜。

二、透射电镜TEM (transmission electron microscope)的制造依据

透射电镜的分辨率为0.1～0.2nm，放大倍数为几万～几十万倍。由于电子易散射或被物体吸收，故穿透力低，必须制备更薄的超薄切片（通常为50～100nm）。

其制备过程与石蜡切片相似，但要求极严格。要在机体死亡后的数分钟钓取材，组织块要小(1立方毫米以内），常用戊二醛和饿酸进行双重固定树脂包埋,用特制的超薄切片机（ultramicrotome）切成超薄切片，再经醋酸铀和柠檬酸铅等进行电子染色。

电子束投射到样品时，可随组织构成成分的密度不同而发生相应的电子发射，如电子束投射到质量大的结构时，电子被散射的多，因此投射到荧光屏上的电子少而呈暗像，电子照片上则呈黑色。称电子密度高（electron dense）。反之，则称为电子密度低（electron lucent）。

SEM，全称为扫描电子显微镜，又称扫描电镜，英文名Scanning Electronic Microscopy. TEM，全称为透射电子显微镜，又称透射电镜，英文名Transmission Electron Microscope.

区别：

SEM的样品中被激发出来的二次电子和背散射电子被收集而成像. TEM可以表征样品的质厚衬度，也可以表征样品的内部晶格结构。TEM的分辨率比SEM要高一些。

SEM样品要求不算严苛，而TEM样品观察的部分必须减薄到100nm厚度以下，一般做成直径3mm的片，然后去做离子减薄，或双喷（或者有厚度为20~40μm或者更少的薄区要求）。

TEM可以标定晶格常数，从而确定物相结构；SEM主要可以标定某一处的元素含量，但无法准确测定结构。

SEM简单介绍，以下资料来源

因果关系：SEM一般用于建立因果关系模型，但是本身却并不能阐明模型的因果关系。

一般应用于：测量错误、错漏的数据、中介模型（mediation model）、差异分析。

历史：SEM 包括了 回归分析，路径分析（wright, 1921）,验证性因子分析（confirmatory factor analysis）（Joreskog, 1969）.

SEM也被称为 协方差结构模型（covariance structure modelling），协方差结构分析和因果模型。

因果关系：

究竟哪一个是“真的”？ 在被假设的因果变量中其实有一个完整的因果链。

举一个简单的例子： 吃糖果导致蛀牙。这里涉及2个变量，“吃糖果”和“蛀牙”，前者是因，后者是果。 如果上一个因果关系成立，那将会形成一个因果机制，也许会出现这样的结构：

3. 这时还有可能出现更多的潜在变量：

这里我又举另外一个例子，回归模型

在这里，回归模型并不能很好的描述出因果次序，而且也不能轻易的识别因果次序或者未测量的因子。这也是为什么在国外学术界SEM如此流行的原因。

我们在举另外一个例子“路径分析”

路径分析能让我们用于条件模型（conditional relationships），上图中的模型是一种调解型模型或者中介模型，在这里Z 是作为一个中介调节者同时调节X和Y这两个变量的关系。

在这里我们总结一下：

回归分析简单的说就是：X真的影响Y 吗？

路径分析：为什么/如何 X 会影响Y？ 是通过其他潜在变量Z 来达到的吗？例子：刷牙（X）减少蛀牙（Y）通过减少细菌的方法（Z）。------测量和测试中介变量（例如上图中的Z变量）可以帮助评估因果假设。

在这里要提一下因素模型（factor model）

在这个模型当中，各个变量有可能由于受到未被观察到的变量所影响，变得相互有内在的联系，一般来说那些变量都很复杂、混乱，而且很多变量是不能直接被观察到的。

举个例子：“保龄球俱乐部的会员卡”和“本地报纸阅读”，是被观察到的变量，而“社会资产”则是未被观察到的变量。另一个例子：“房屋立法”和“异族通婚”是被观察到的变量，而“种族偏见”是未被观察到的变量。

相互关系并不完全由被观察到的变量的因果关系所导致，而是由于那些潜在的变量而导致。

这些被观察到变量（y1--y4）也有可能由一个潜在的变量（F）所影响。

---