通过MITM-Unet框架在多模光纤成像中进行高保真图像重建

科学领域:

• 光学和光子学 在光学和光子学.
• 生物医学成像技术 生物医学成像技术
• 机器学习 机器学习

背景情况:

• 单一的多模纤维为超薄的成像探头提供了优势,但由于光斑照明不均而受到噪声的影响.
• 复杂的灰度图像的高精度重建是传统方法的挑战.

研究的目的:

• 为单一多模光纤成像开发一个优化的图像重建框架.
• 为了解决来自不均光斑照明的噪音问题,并改善灰度图像重建.

主要方法:

• 结合反向传输矩阵方法与深度神经网络 (Unet).
• 集成多个照明条件和增加目标暴露以减轻噪音.
• 开发了多光照明类型的反向传输矩阵-联网 (MITM-Unet) 方法.

主要成果:

• MITM-Unet显著优于单光照明类型 (SITM-Unet) 的性能.
• MITM-Unet实现了结构相似度指数为0.59和皮尔森相关系数为0.91.
• SITM-Unet实现了0.38的结构相似性指数和0.77.7的皮尔森相关系数.

结论:

• MITM-Unet 方法有效地从单一多模光纤系统中重建高质量的灰度图像.
• 这种方法为推进紧宽场内微镜成像提供了宝贵的见解.
• 这项研究证明了使用多模纤维改善成像能力的潜力.