郜鹏 1,2,3,*王文健 1,2,3,**卓可群 1,2,3刘欣 1,2,3[ ... ]郑娟娟 1,2,3
1 西安电子科技大学物理学院，陕西 西安 710171
2 复杂环境光电感知教育部重点实验室，陕西 西安 710171
3 陕西省高校功能纳米材料工程研究中心，陕西 西安 710171
定量相衬显微可以在无荧光标记的前提下实现对透明样品的高衬度、定量化相位成像，对活细胞及其动态过程观测具有重要意义。然而，传统的定量相衬显微需要记录3幅相移图像才能获得样品定量的相位图像，耗时较长。提出一种基于双通道卷积神经网络的定量相衬显微相位重建方法。该方法可以利用2幅相移图像获得样品的定量相位图像，将传统定量相衬显微的成像速度提高了1.5倍，重建速度提高了1个数量级。实验中，利用COS7细胞的数据对网络进行训练，该网络可以成功实现对3T3细胞的定量相位成像，说明该网络具有一定的泛化能力。该方法有望为活细胞以及亚细胞器互作网络的动态观测提供有力手段。
定量相位成像 部分相干照明 深度学习 卷积神经网络 激光与光电子学进展
2024, 61(2): 0211011
1 哈尔滨工业大学物理学院，黑龙江 哈尔滨 150001
2 天津工业大学物理科学与技术学院，天津 300387
为克服扫描计算成像系统测量和计算速度慢的缺点，综述一些快速计算成像技术，从测量和计算方面论述提高速度的方法。在基于光场调制的计算光学成像法中，介绍轴向扫描、横向扫描、多波长扫描、散射介质、多距离等调制方式。针对快速定量相位成像技术，介绍定量相位成像方法、基于Kramers-Kronig关系的快速定量相位成像方法、基于对角扩展采样的计算成像方法、基于对称照明的单帧计算成像方法。针对自动聚焦技术，介绍自动聚焦技术分类、核心算法、基于Tanimoto系数和多相梯度绝对值的自动聚焦方法、基于特征区域提取和细分搜索的快速自动聚焦方法。
计算光学成像 调制成像 定量相位成像 自动聚焦 激光与光电子学进展
2024, 61(2): 0211007
中国计量大学光学与电子科技学院，浙江 杭州 310018
白细胞分类在血液分析、临床疾病的诊断和治疗中具有重要意义。人工镜检作为血细胞分析的金标准，耗时较长且高度依赖检测人员的经验。定量相位成像可测量细胞各处的相位分布，是研究细胞形态学和生物化学特征的有效方法。利用基于数字全息显微和明场显微成像的共定位相位成像系统对健康人外周血涂片中的5种白细胞进行研究，定量分析了不同白细胞及其亚结构中的相位分布情况，提取出多个有效辅助白细胞分类的特征参数，并进一步分析了镜检中容易混淆的异型淋巴细胞。结果表明，利用提取的细胞亚结构特征参数可对白细胞进行有效分类，也能较好区分异型淋巴细胞。因此，基于共定位相位成像的细胞亚结构特征参数可为白细胞分类、各类血液疾病的诊断和治疗提供依据和参考，且此种方法无须再对常用的染色样品进行特殊处理，应用场景众多。
生物光学 定量相位成像 数字全息 白细胞亚结构 相位分布特征
Author Affiliations
Abstract
We propose a high-accuracy artifacts-free single-frame digital holographic phase demodulation scheme for relatively low-carrier frequency holograms—deep learning assisted variational Hilbert quantitative phase imaging (DL-VHQPI). The method, incorporating a conventional deep neural network into a complete physical model utilizing the idea of residual compensation, reliably and robustly recovers the quantitative phase information of the test objects. It can significantly alleviate spectrum-overlapping-caused phase artifacts under the slightly off-axis digital holographic system. Compared to the conventional end-to-end networks (without a physical model), the proposed method can reduce the dataset size dramatically while maintaining the imaging quality and model generalization. The DL-VHQPI is quantitatively studied by numerical simulation. The live-cell experiment is designed to demonstrate the method's practicality in biological research. The proposed idea of the deep learning-assisted physical model might be extended to diverse computational imaging techniques.
quantitative phase imaging digital holography deep learning high-throughput imaging Opto-Electronic Science
2023, 2(4): 220023
1 中国科学院国家天文台南京天文光学技术研究所，江苏 南京 210042
2 中国科学院天文光学技术重点实验室（南京天文光学技术研究所），江苏 南京 210042
3 中国科学院大学，北京 100049
提出了一种基于微透镜阵列分割波前及多平面相位恢复的定量相位成像技术。针对大动态范围的相位物体实现定量相位成像，该技术同时施加了横向波面分割、轴向多衍射平面和多波长照明三种约束。该技术记录了两种不同波长照明下，微透镜阵列焦面附近不同衍射距离的强度分布图，采用多平面相位恢复算法提取透过相位物体的数字复振幅光场，通过双波长数字复振幅光场相位提取算法，实现了大动态范围下的相位物体成像。数字仿真实验中，在640 nm和685 nm的照明下，对相位变化范围大、结构复杂的相位物体进行了模拟仿真，结果表明，该技术可以高效、便捷地实现高精度相位成像。
成像系统 多平面相位恢复 双波长 微透镜阵列 定量相位成像 光学学报
2023, 43(14): 1411002
1 河北大学物理科学与技术学院，光信息技术创新中心，河北 保定 071002
2 河北省光学感知技术创新中心，河北 保定 071002
采用定量相位成像技术对飞秒激光在玻璃材料内部加工的空腔结构进行定量相位成像检测。首先通过改变飞秒激光的脉冲能量在玻璃内部制作了不同结构的空腔，然后使用定量相位成像装置对样品进行了成像表征。结果显示：定量相位成像技术在对内部空腔进行成像的同时，还可以探测到玻璃空腔周围光学性质改变的区域。研究了玻璃内部有无掺杂对加工结果的影响，并分析总结了飞秒激光在玻璃内部加工的三维模型。定量相位成像技术既可以对样品进行无损检测，有效提高样品的检测效率，又可以定量测量样品的光学特性，因此，该技术在激光加工检测领域中具有广阔的应用前景。
激光技术 定量相位成像 飞秒激光 激光加工 光学改性 玻璃掺杂 中国激光
2023, 50(12): 1202403
光子学报
2022, 51(11): 1118001
1 南京师范大学物理科学与技术学院, 江苏省光电技术重点实验室, 江苏 南京 210023
2 南京理工大学电子工程与光电技术学院, 江苏 南京 210094
数字全息显微成像技术因能高精度实现定量相位成像的优势受到生物成像与材料科学领域的关注,但共轭像的存在、相位包裹的困扰以及分辨率受限等问题一直阻碍了数字全息显微术的广泛应用。近些年,深度学习作为机器学习中一种对数据特征提取进行特化的模型,在光学成像领域中被广泛应用。除用于提高成像效率外,其解决成像逆问题的潜力也不断被研究人员发掘,为成像领域开辟了一条蹊径。本文从深度学习应用于数字全息显微成像的工作原理出发,介绍它解决光学成像逆问题的思路与重要数理概念,同时对深度学习的完整实施过程进行归纳。扼要地总结了近年来深度学习对于全息重建、自动聚焦与相位恢复、全息去噪与超分辨等方面的研究进展,并对该研究领域中存在的问题与发展趋势进行展望。
成像系统 数字全息显微 深度学习 定量相位成像 激光与光电子学进展
2021, 58(18): 1811006
1 中国科学院国家天文台南京天文光学技术研究所, 江苏 南京 210042
2 中国科学院天文光学技术重点实验室(南京天文光学技术研究所), 江苏 南京 210042
3 中国科学院大学天文与空间科学学院, 北京 100049
提出了一种基于离焦型夏克-哈特曼传感器的定量相位成像技术。该技术利用离焦型夏克-哈特曼波前传感器记录两种不同波长的光的照射下的强度分布图,采用双波长相位恢复算法进行相位恢复,获得了透过相位物体的数字光场,实现了纯相位物体成像。数值模拟结果表明该定量相位成像技术方法简单、精度高、收敛速度快,是一种非常具有潜力的定量相位成像技术。
成像系统 双波长 定量相位成像 离焦型夏克-哈特曼传感器 相位恢复
Author Affiliations
Abstract
1 MOE Key Laboratory of Material Physics and Chemistry under Extraordinary Conditions, and Shaanxi Key Laboratory of Optical Information Technology, School of Physical Science and Technology, Northwestern Polytechnical University, Xi’an 710129, China
2 School of Life Sciences, Northwestern Polytechnical University, Xi’an 710072, China
We present a deep learning approach for living cells mitosis classification based on label-free quantitative phase imaging with transport of intensity equation methods. In the approach, we applied a pretrained deep convolutional neural network using transfer learning for binary classification of mitosis and non-mitosis. As a validation, we demonstrated the performances of the network trained by phase images and intensity images, respectively. The convolutional neural network trained by phase images achieved an average accuracy of 98.9% on the validation data, which outperforms the average accuracy 89.6% obtained by the network trained by intensity images. We believe that the quantitative phase microscopy in combination with deep learning enables researchers to predict the mitotic status of living cells noninvasively and efficiently.
cell classification quantitative phase imaging deep learning Chinese Optics Letters
2021, 19(5): 051701
