復雜域神經(jīng)網(wǎng)絡推動大規(guī)模相干成像技術(shù)發(fā)展

?1 / 1 復域神經(jīng)網(wǎng)絡支持大規(guī)模相干成像。資料來源：Xuyang Chang。

計算成像具有寬視場和高分辨率的能力，有望徹底改變光學成像。振幅和相位的聯(lián)合重建--被稱為 "相干成像或全息成像"--將光學系統(tǒng)的吞吐量擴大到數(shù)十億個可光學分辨的光點。這一突破使研究人員能夠深入了解生物醫(yī)學研究中的細胞和分子結(jié)構(gòu)。

盡管潛力巨大，但現(xiàn)有的大規(guī)模相干成像技術(shù)在臨床廣泛應用方面仍面臨挑戰(zhàn)。其中許多技術(shù)需要多個掃描或調(diào)制過程，導致數(shù)據(jù)采集時間過長，難以實現(xiàn)高分辨率和高信噪比。由于需要在速度、分辨率和質(zhì)量之間進行權(quán)衡，這就減慢了成像速度，限制了其在臨床環(huán)境中的可行性。

最新的圖像去噪方法提供了一種潛在的解決方案，即在迭代重建過程中使用去噪算法，提高稀疏數(shù)據(jù)的成像質(zhì)量。然而，傳統(tǒng)方法計算復雜，而基于深度學習的技術(shù)概括性差，會犧牲圖像細節(jié)。

在《先進光子學》（Advanced Photonics Nexus）雜志報道的一項研究中，來自北京理工大學、加州理工學院和康涅狄格大學的研究團隊展示了一種復域神經(jīng)網(wǎng)絡，它能顯著增強大規(guī)模相干成像。這為各種模式下的低采樣和高質(zhì)量相干成像提供了新的可能性。

該技術(shù)利用了振幅和相位分量之間的潛在耦合信息，從而實現(xiàn)了復雜波前的多維表示。該框架在各種相干成像模式中顯示出很強的通用性和魯棒性。

研究人員利用二維復數(shù)卷積單元和復數(shù)激活函數(shù)構(gòu)建了一個網(wǎng)絡。他們還為相干成像開發(fā)了一個全面的多源噪聲模型，包括斑點噪聲、泊松噪聲、高斯噪聲和超分辨率重建噪聲。多源噪聲模型有利于從合成數(shù)據(jù)到真實數(shù)據(jù)的域適應能力。

所報告的技術(shù)被應用于多種相干成像模式，包括克拉默-克羅尼格關(guān)系全息成像、傅立葉平片顯微成像和無鏡頭編碼平片成像。大量的模擬和實驗表明，該技術(shù)在保持高質(zhì)量重建和效率的同時，還能顯著減少曝光時間和數(shù)據(jù)量（數(shù)量級）。

高質(zhì)量的重構(gòu)為后續(xù)的高級語義分析（如高精度細胞分割和虛擬染色）提供了重要意義，有可能促進智能醫(yī)療的發(fā)展。

在縮短曝光時間和減少數(shù)據(jù)量的同時，快速、高分辨率成像的潛力為實時細胞觀察帶來了希望。此外，通過結(jié)合人工智能診斷，這項技術(shù)可能會揭開復雜生物系統(tǒng)的秘密，推動醫(yī)療診斷的發(fā)展。

參考資料

Xuyang Chang et al, Complex-domain-enhancing neural network for large-scale coherent imaging,Advanced Photonics Nexus(2023).DOI: 10.1117/1.APN.2.4.046006

本文由光電查搜集整理，未經(jīng)同行評議，請自行判斷可信度。僅供學習使用。