数字全息成像是生物医学成像中常用的显微技术。它揭示了样本的丰富光学信息,例如,可用于检测组织切片中的病理异常。常见的图像传感器仅对入射光的强度做出响应。因此,重建由此类传感器以数字方式记录的全息图的完整 3D 信息一直是一项具有挑战性的任务,涉及光学相位检索,这是数字全息术中耗时且计算密集的步骤。
加州大学洛杉矶分校的一个研究团队最近开发了一种新的全息相位检索技术,与现有方法相比,该技术可以以高达 50 倍的加速度快速重建样品的显微图像。这种新技术利用深度学习训练的循环神经网络,并结合来自多个全息图的空间特征,以数字方式创建样本的全息显微镜图像,例如人体组织载玻片。这导致更好的图像质量和更快的重建速度,同时还增强了重建样本体积的景深。
这项工作发表在化学学会的期刊ACS Photonics 上。加州大学洛杉矶分校的研究人员通过对常用于宫颈癌筛查的人体肺组织切片和巴氏涂片进行的实验证明了这种新的全息成像方法的有效性。这些结果首次展示了使用循环神经网络进行全息成像和相位恢复,并为设计改进的全息显微镜提供了新的机会,减少了测量次数并提高了成像速度。
“该框架可广泛适用于各种生物医学成像模式,例如荧光显微镜,以有效利用一系列获取的图像来快速准确地创建样本体积的 3D 重建,”校长教授 Aydogan Ozcan 博士说。加州大学洛杉矶分校电气与计算机工程学院副院长,加州纳米系统研究所副所长,该工作的高级通讯作者。
其他作者包括来自加州大学洛杉矶分校电气与计算机工程系的研究生黄陆哲、刘泰然、杨锡林、罗毅和 Yair Rivenson 教授。Ozcan 教授还在加州大学洛杉矶分校生物工程和外科领域担任教职,并且是 HI 教授。