概括
这项研究介绍了ASNet,这是一种用于无透镜纤维内微镜相位成像的新型无训练方法. 它使生物样品的无标签成像成为可能,克服了深度学习方法中的数据限制.
科学领域:
- 生物医学光学 生物医学光学
- 计算成像技术的成像
- 显微镜的使用方法
背景情况:
- 使用多核纤维 (MCF) 的无镜头纤维内微镜可提供最少侵入性,无标签的成像.
- 传统的深度学习方法需要大量的训练数据,在现实世界中很难获得这些数据.
研究的目的:
- 开发一种无需培训的相位成像方法,用于无镜头纤维内镜.
- 解决基于MCF的成像中的数据依赖深度学习的局限性.
主要方法:
- 提出了一个以角光谱方法增强的未训练的神经网络 (ASNet).
- 集成了一个物理模型,用于无镜头纤维内镜系统的多距离斑点监测.
- ASNet是一个没有培训的方法.
主要成果:
- 通过模拟和实验证明了可行性.
- 成功地解决了USAF-1951目标,分辨率为4.38μm.
- 实现了HeLa细胞的阶段重建.
结论:
- ASNet增强了基于MCF的相位成像的稳定性和适应性.
- 介绍了用于紧,灵活的成像系统的多功能相位检索技术.
- 提供了高级应用和临床诊断的潜力.
