根据深度学习,通过生物分散介质从动态光斑模式进行自适应矢量恢复
Yu-Chen Chen1, Shi-Xuan Mi1, Ya-Ping Tian1
1Key Laboratory of Optical Field Manipulation of Zhejiang Province, Department of Physics, Zhejiang Sci-Tech University, Hangzhou 310018, China.
Sensors (Basel, Switzerland)
|April 28, 2025
概括
这项研究引入了用于先进生物医学成像的深度学习方法. 它使用矢量光学场来重建动态生物组织的图像,提高分散环境中的精度和稳定性.
科学领域:
- 生物医学光学 生物医学光学
- 在成像中的深度学习.
- 矢量光学场 矢量光学场 矢量光学场
背景情况:
- 矢量光学场为生物组织的非侵入性成像提供了潜力.
- 动态和异型生物组织对光传播和成像具有挑战,原因是散射.
- 现有的方法在复杂的散射介质中难以准确的重建.
研究的目的:
- 开发一种基于深度学习的强大方法,用于两极分化的成像重建.
- 解决使用矢量光学场对动态和异构生物组织成像方面的挑战.
- 在散射环境中提高成像精度和效率.
主要方法:
- 一种新的深度学习方法,利用两极分化解决恢复.
- 在混合网络中集成卷积神经网络 (CNN) 和变压器架构.
- 利用矢量光学场的两个直角偏振元件来增强信息捕获.
主要成果:
- 从动态斑点图案重建图像的优秀稳定性和概括性.
- 通过异构和时间变化的散射介质成功实现了高效准确的成像重建.
- 验证了模型在捕获斑点图像的本地和全球特征方面的能力.
结论:
- 提出的方法提供了一个有效的解决方案,用于散射成像的动态异型生物组织.
- 这项工作通过集成深度学习来推进向量光学场在动态散射环境中的应用.
- 混合网络模型显示了未来生物医学成像应用的巨大潜力.
