基于深度学习的3D双断片图像生成使用2D多视图全息图像

科学领域:

• 光学和光子学 在光学和光子学.
• 材料科学 材料科学 材料科学
• 人工智能的人工智能

背景情况:

• 折射率是用于非侵入性3D室内探索的关键材料属性.
• 由于不同的折射率引起的双折射,分裂光极化,并且在像液晶 (LC) 这样的材料中观察到.
• 可视化双晶材料的3D内部结构对于半导体,显示器,光学和生物医学领域的进步至关重要.

研究的目的:

• 开发一种新的深度学习方法,用于生成3D双折射图像.
• 利用多次查看的全息干扰图像作为深度学习模型的输入.
• 为可视化材料中的3D折射率分布提供一种非侵入性方法.

主要方法:

• 采集多视图全息干扰图案图像和3D双折体积图像,使用基于偏振介电张力断层扫描 (DTT) 的显微镜系统.
• 训练一个深度学习模型,从2D干扰模式图像集中生成3D双断片体积图像.
• 与直接从DTT显微镜获得的地面真实3D图像进行性能评估.

主要成果:

• 拟议的深度学习模型成功地从多次查看的全息干扰模式中生成了3D双断片图像.
• 可视化技术证实了在生成的3D图像中精确表示折射率分布.
• 该方法在重建3D折射率分布方面表现出了效率.

结论:

• 开发的深度学习方法为传统的DTT方法提供了有效的,数据驱动的替代方案,用于3D双断片成像.
• 这种新的技术使内部材料结构的非侵入性可视化成为可能,在各种科学和工业领域都有潜在的应用.
• 这项研究强调了深度学习在推进光学显微镜和材料表征方面的力量.