(相關(guān)資料圖)
復(fù)雜域神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)了最先進(jìn)的相干成像精度,將曝光時(shí)間和數(shù)據(jù)量減少了一個(gè)數(shù)量級(jí)以上。計(jì)算成像具有寬視場(chǎng)和高分辨率的能力,有望徹底改變光學(xué)成像。通過(guò)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(kuò)大到數(shù)十億個(gè)可光學(xué)分辨的光點(diǎn)。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(duì)生物醫(yī)學(xué)研究產(chǎn)生重大影響。
復(fù)雜域神經(jīng)網(wǎng)絡(luò)支持大規(guī)模相干成像
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(gè)掃描或調(diào)制過(guò)程,導(dǎo)致數(shù)據(jù)采集時(shí)間過(guò)長(zhǎng),難以實(shí)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。
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(guò)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(jì)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(huì)犧牲圖像細(xì)節(jié)。
在發(fā)表于《先進(jìn)光子學(xué)》(Advanced Photonics Nexus)雜志上的一項(xiàng)研究中,一個(gè)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(qiáng)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(shí)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(qiáng)的通用性和魯棒性。
來(lái)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(duì)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(gè)網(wǎng)絡(luò)。他們還為相干成像開(kāi)發(fā)了一個(gè)全面的多源噪聲模型,包括斑點(diǎn)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(shí)數(shù)據(jù)的域適應(yīng)能力。
所報(bào)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(wú)鏡頭編碼平片成像。大量的模擬和實(shí)驗(yàn)表明,該技術(shù)在保持高質(zhì)量重建和效率的同時(shí),還大大減少了曝光時(shí)間和數(shù)據(jù)量--減少了一個(gè)數(shù)量級(jí)。高質(zhì)量的重建為后續(xù)的高級(jí)語(yǔ)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。
快速、高分辨率成像的能力縮短了曝光時(shí)間,減少了數(shù)據(jù)量,為實(shí)時(shí)細(xì)胞觀察提供了巨大的潛力。此外,將這項(xiàng)技術(shù)與人工智能診斷相結(jié)合,可以揭開(kāi)復(fù)雜生物系統(tǒng)的秘密,推動(dòng)醫(yī)療診斷的發(fā)展。
X 關(guān)閉
X 關(guān)閉