利用復(fù)雜域神經(jīng)網(wǎng)絡(luò)革新光學(xué)成像技術(shù)
復(fù)雜域神經(jīng)網(wǎng)絡(luò)實現(xiàn)了最先進(jìn)的相干成像精度，將曝光時間和數(shù)據(jù)量減少了一個數(shù)量級以上。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(xué)成像。通過聯(lián)合重建振幅和相位--一種被稱為"相干成像或全息成像"的技術(shù)--光學(xué)系統(tǒng)的吞吐量可以擴大到數(shù)十億個可光學(xué)分辨的光點。這一突破使研究人員能夠深入了解細(xì)胞和分子結(jié)構(gòu)，對生物醫(yī)學(xué)研究產(chǎn)生重大影響。 4`-?r%$,:
FJ%R3N\
[attachment=119424] Vc52s+7=8
復(fù)雜域神經(jīng)網(wǎng)絡(luò)支持大規(guī)模相干成像 vx5o
k1UY
盡管潛力巨大，但現(xiàn)有的大規(guī)模相干成像技術(shù)面臨著阻礙其廣泛臨床應(yīng)用的挑戰(zhàn)。其中許多技術(shù)需要多個掃描或調(diào)制過程，導(dǎo)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(jìn)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。 KvJP(!{
YeExjC
最近的圖像去噪方法提供了一種潛在的解決方案。這些方法在迭代重建過程中采用去噪算法，目的是在數(shù)據(jù)稀疏的情況下也能提高成像質(zhì)量。然而，傳統(tǒng)方法計算復(fù)雜，而基于深度學(xué)習(xí)的技術(shù)往往通用性差，可能會犧牲圖像細(xì)節(jié)。 DET !br'z5
h NOYFH
在發(fā)表于《先進(jìn)光子學(xué)》（Advanced Photonics Nexus）雜志上的一項研究中，一個研究小組展示了一種復(fù)雜域神經(jīng)網(wǎng)絡(luò)，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(fù)雜波面的多維表示。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。 R`C_CsXir
%c&A h
來自北京理工大學(xué)、加州理工學(xué)院和康涅狄格大學(xué)的研究團(tuán)隊利用二維復(fù)合卷積單元和復(fù)合激活函數(shù)構(gòu)建了一個網(wǎng)絡(luò)。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(yīng)能力。 G2+)R^FSC
8P<UO
所報告的技術(shù)被應(yīng)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，還大大減少了曝光時間和數(shù)據(jù)量--減少了一個數(shù)量級。高質(zhì)量的重建為后續(xù)的高級語義分析（如高精度細(xì)胞分割和虛擬染色）提供了重要的意義，有可能促進(jìn)智能醫(yī)療的發(fā)展。 g . Caapy
Fma`Cm.
快速、高分辨率成像的能力縮短了曝光時間，減少了數(shù)據(jù)量，為實時細(xì)胞觀察提供了巨大的潛力。此外，將這項技術(shù)與人工智能診斷相結(jié)合，可以揭開復(fù)雜生物系統(tǒng)的秘密，推動醫(yī)療診斷的發(fā)展。
|