使用基于物理的光学神经网络进行折射率断层扫描.
Delong Yang1, Shaohui Zhang1,2,3, Chuanjian Zheng1
1School of Optics and Photonics, Beijing Institute of Technology, Beijing 100081, China.
Biomedical optics express
|November 29, 2023
概括
这项研究引入了一个未经训练的多切片神经网络 (MSNN) 进行折射率 (RI) 断层扫描,提高生物样本的成像效率和清晰度. 这本小说MSNN解决了复杂的散射场景中的挑战,为RI断层扫描提供了一个新的范式.
科学领域:
- 生物医学成像技术 生物医学成像技术
- 光学物理学 光学物理学
- 计算生物学 计算生物学
背景情况:
- 三维折射率 (RI) 断层扫描在生命科学中很有价值,但与复杂的散射样本作斗争.
- 传统的算法在全球优化方面面临挑战,导致缓慢和无效的重建.
研究的目的:
- 为RI断层扫描开发一种高效,强大的方法,克服传统算法的局限性.
- 为复杂的散射场景引入具有物理解释能力的未经训练的神经网络.
主要方法:
- 提出了一个未经训练的多切片神经网络 (MSNN),其层与光束传播相对应.
- 集成了一个"散射减弱层",以考虑多个反向散射效应.
- 利用强度图像的优化用于网络恢复和可学习的参数用于照明校准.
主要成果:
- 通过模拟和实验,MSNN证明了它的有效性和可行性.
- 在RI断层扫描中实现了提高清晰度和提高效率.
- 该网络不需要预先培训,并且具有良好的概括性.
结论:
- 拟议的MSNN为RI断层扫描提供了一种新且有效的范式,特别是对于偏离弱分散近似的样品.
- MSNN通过解决复杂的光传播和散射效应来提高成像性能.
- 这种方法为先进的生物成像应用提供了一个强大的工具.


