几十年来，对细胞等弱散射相物体进行成像一直是包括生物医学科学在内的各个领域的活跃研究领域。一种常见的方法使用化学染色剂或荧光标签来为弱散射物体带来图像对比度，但它需要相对复杂的样品制备步骤，这也可能对样品有毒或具有破坏​​性。定量相位成像(QPI)已成为满足这一需求的强大无标记解决方案，无需使用任何外部标签或试剂即可提供透明样本的非侵入性高分辨率成像。

然而，传统的QPI系统由于需要数字图像重建和相位检索算法，可能会占用大量资源且速度缓慢。此外，大多数QPI方法不考虑随机散射介质，尤其是在生物组织中普遍存在的介质。

在最近发表在《光：先进制造》杂志上的一篇论文中，由加州大学洛杉矶分校(UCLA)电气与计算机工程系AydoganOzcan教授领导的研究小组报告了一种对完全被随机、未知相位扩散器覆盖的物体进行定量相位成像的新方法。他们的方法使用由通过深度学习优化的连续透射层组成的衍射光学网络，该衍射系统轴向跨度约为70λ，其中λ是照明波长。

在训练过程中，利用各种随机生成的相位扩散器来构建针对随机未知扩散器产生的相位扰动的弹性。经过一次性训练后，所得衍射层可以对完全被未知随机漫射器隐藏的未知物体进行全光学相位恢复和定量相位成像。

在数值模拟中，该团队成功展示了QPI衍射网络通过前所未见的新型随机相位扩散器实现新物体成像的能力。此外，他们的研究深入探讨了各种因素的影响，例如空间结构衍射层的数量以及图像质量和输出能量效率之间的权衡，表明更深的衍射光学网络通常可以优于更浅的设计。该QPI衍射网络可以进行物理缩放，以在电磁频谱的不同部分运行，而无需重新设计或重新训练其层。

这种全光计算框架具有低功耗、高帧率和紧凑尺寸的优点。加州大学洛杉矶分校的研究团队预计，他们的QPI衍射设计可能会集成到图像传感器芯片(CMOS/CCD成像器)上，从而有效地将标准光学显微镜转变为衍射QPI显微镜，能够通过无源结构层内的光衍射执行片上相位恢复和图像重建。

版权说明：本站所有作品图文均由用户自行上传分享，仅供网友学习交流。若您的权利被侵害，请联系我们

标签：物体QPI衍射