数字无镜头全息显微镜的开放访问数据库及其在改进基于深度学习的自动对焦模型上的应用
Applied optics
|March 4, 2024
概括
数字无镜头全息显微镜 (DLHM) 记录的新型开放访问数据集支持AI开发. 这一由11760个全息图组成的多样化数据集有助于为先进的显微镜应用培训机器学习模型.
科学领域:
- 光学和光子学 在光学和光子学.
- 计算成像技术的成像
- 生物医学工程 生物医学工程
背景情况:
- 数字无透镜全息显微镜 (DLHM) 提供了一种简单,无标签的成像方法.
- 在DLHM中计算后处理是复杂的,阻碍了广泛采用.
- 整合人工智能 (AI) 和机器学习 (ML) 可以简化DLHM的工作流程.
研究的目的:
- 为训练ML模型提供多样化,开放的DLHM记录数据集.
- 为了应对DLHM研究中数据稀缺的挑战.
- 为了促进先进的AI驱动DLHM应用程序的开发.
主要方法:
- 创建一个数据库,包含11760个实验DLHM全息图,包括各种生物和非生物样本.
- 数据集的划分为多波长 (8160个全息图) 和单波长 (3600个全息图) 的组.
- 所有实验参数的详细文件,用于数据集的获取,准备和校准.
主要成果:
- 数据集包括11760个DLHM全息图,具有各种记录参数.
- 多波长数据集使用了654nm,510nm和405nm的激光.
- 单波长数据集使用了633nm的He-Ne激光.
结论:
- 提出的数据集验证了ML模型对DLHM自动对焦的重新训练.
- 在这个数据集上训练的更简单的ML架构实现了与现有模型可比的性能.
- 这个资源对于推进基于ML的DLHM和开发新型算法至关重要.


