1 西安电子科技大学生命科学技术学院西安市跨尺度生命信息智能感知与调控重点实验室,陕西 西安 710126
2 西安电子科技大学广州研究院先进医学影像与智慧医疗创新中心,广东 广州 510555
拉曼显微成像技术无需样本制备,具有无损、无创、对水溶液不敏感的优点,可在微米或纳米尺度下表征样本的生化组分及分布,成为生命科学领域重要的研究工具。随着对复杂生物样本研究的不断深入,拉曼显微成像也被期待能够实现对生物样本中的分子组成与分布的动态立体观测。首先,系统性地梳理近年来三维拉曼显微成像技术的研究进展,包括基于自发拉曼散射、相干拉曼散射、表面增强拉曼散射以及拉曼标签的不同三维成像方法的技术手段、改进策略与实验结果。然后,总结了不同成像技术在细胞生物学、发育生物学等方面的应用进展。最后展望了不同三维拉曼显微成像技术在生物医学光学显微成像技术应用中所面临的挑战和发展前景。
三维显微成像 拉曼显微成像 自发拉曼散射 相干拉曼散射 表面增强拉曼散射 拉曼标签 激光与光电子学进展
2024, 61(6): 0618010
作为一种典型的无衍射光束,贝塞尔光束具有无衍射和自重构特性,能够提供更长的聚焦长度和一定程度的抗散射能力,在生物医学光学显微成像技术领域获得了越来越多的应用。本文重点关注了贝塞尔光束在生物医学光学显微成像技术中的应用,包括利用其扩展景深能力实现体积样本快速三维成像、利用其抗散射粒子干扰能力实现散射样本的大深度成像以及利用更细聚焦光束能力实现更高分辨率的光学显微成像。首先,概述了贝塞尔光束及其实验室常用的产生方法;然后,总结了近些年贝塞尔光束在生物医学光学显微成像技术中的应用,包括但不限于多光子荧光显微成像、光片荧光显微成像、拉曼显微成像等,既总结了贝塞尔光束在其中发挥的优势,也分析了贝塞尔光束旁瓣带来的干扰问题的消除方案。最后分析和探讨了贝塞尔光束在生物医学光学显微成像技术应用中遇到的问题以及发展前景。
1 西安电子科技大学生命科学技术学院西安市跨尺度生命信息智能感知与调控重点实验室,陕西 西安 710126
2 西安电子科技大学电子工程学院,陕西 西安 710126
无透镜计算显微成像是一种低成本、高效的成像技术。这种成像方式具有大视野、高通量的特点,能够实时地对细胞进行无标记成像。提出了一种轻量化网络模型(Depthwise-ResNeXt),将该神经网络与无透镜计算显微成像进行有机结合,实现了实时准确的细胞分类。使用SUM、MCF10A、ECa109、CL-1四种细胞作为分类数据,Depthwise-ResNeXt对这四类细胞的分类准确率达到92.8%,参数量仅有806 kB。该网络证明了神经网络与无透镜计算显微成像在细胞分类领域相结合的可能性,并大大降低了神经网络在细胞分类方面的应用成本。
生物光学 数字全息 计算显微成像 无透镜成像技术 细胞分类 神经网络 轻量化网络
1 杭州应用声学研究所光纤传感事业部,浙江 杭州 310023
2 中国航发湖南动力机械研究所,湖南 株洲 412002
基于飞秒激光刻写的光纤光栅在1000 ℃高温下具备较高的热稳定性,将其采用细金属管封装后制成飞秒光纤光栅高温传感器。经测试,该传感器的温度系数具备良好的一致性和重复性,在1000 ℃范围内测温精度达到±5 ℃。实验中,5个飞秒光纤光栅高温传感器串接成高温传感器阵列,并将3条高温传感器阵列布设在航空领域某筒状高温部件表面上中下三个部位的15个测温点进行准分布式的温度测量。结果显示,上中下三个位置最高温度分别为460 ℃、600 ℃和520 ℃,且周向温度基本一致。这表明基于管式封装的飞秒光纤光栅高温传感器可准确反应试验件表面的温度变化和温场分布,实现了基于飞秒光栅高温传感器的准分布式温场测量。
光纤光学 飞秒光纤光栅 高温传感器 准分布式温度测量 激光与光电子学进展
2022, 59(1): 0106007
光子学报
2021, 50(10): 1017002
光子学报
2021, 50(10): 1011003
Author Affiliations
Abstract
Automation Department, School of Electronic &
Harris corner detector is a classic tool to extract feature. It is stable to illumination change and rotation but unstable to more complicated transform. In order to register images with different viewpoints, we extend Harris corner detector to scale-space to gain invariance to scale change, then we apply affine shape adaptation to the scale invariant point until convergence is reached, giving it invariance to affine transform. With these local features, we use general feature descriptor and matching algorithm to generate matches and then use the matches to calculate the geometric transform matrix, which enables the final registration. Result shows that our algorithm can get more accurate matches than scale invariant feature transform SIFT, and less difference exists between registered images.
Harris角点 尺度空间 仿射形态修改 图像配准 几何变换 100.2000 Digital image processing 100.5010 Pattern recognition Chinese Optics Letters
2010, 8(6): 573