【Photonics Research】| 神经场辅助下的光强传输定量相位显微成像57
发表时间:2024-10-15 15:12 Photonics Research 2024年第7期推荐文章: Yanbo Jin, Linpeng Lu, Shun Zhou, Jie Zhou, Yao Fan, Chao Zuo, "Neural-field-assisted transport-of-intensity phase microscopy: partially coherent quantitative phase imaging under unknown defocus distance," Photonics Res. 12, 1494 (2024) 无标记显微:定量相位成像 近年来,定量相位成像(Quantitative Phase Imaging, QPI)技术因为能够定量测量光学厚度并揭示未染色样品的形态,逐渐受到细胞研究、生物医学等领域研究人员的关注(如图1所示)。其中,光强传输方程(Transport of Intensity Equation, TIE)作为成熟的确定性(deterministic)相位恢复方法,基于傍轴近似和缓变近似线性化相位恢复,通过使用多幅轴向离焦光强图恢复定量相位。此外,在部分相干照明下,TIE有望实现超越相干衍射极限的空间分辨率。然而,在采用圆形部分相干照明的传统显微成像系统中,部分相干照明将削弱光强图中的相位衬度,导致该方法的重构相位存在成像分辨率降低的问题。对光强传输方程理论与应用感兴趣的光学专业学生、科研工作者可进一步阅读作者团队所撰书籍《光强传输方程》。 图1 定量相位成像的重要性 痛点与挑战:未知离焦距离下的高精度定量相位成像技术 为兼顾高成像分辨率和高成像对比度,作者团队进一步发展出了AI-TIE技术。该技术采用与物镜数值孔径(Numerical Aperture,NA)相匹配的环形照明,通过弱物体传递函数(Weak Object Transfer Function, WOTF)建立物函数相位与离焦光强之间的线性关系,进而采用反卷积的方式实现相位恢复。得益于WOTF的高响应能力,AI-TIE增强了相位衬度,并将成像分辨率提升至物镜NA的两倍。然而,由于AI-TIE通过引入弱物体近似对图像生成模型进行线性化,通常受限于弱物体。此外,WOTF是与光源分布、物镜孔径函数和离焦距离直接相关的函数,WOTF一旦确定,AI-TIE就无法在成像过程中自适应地调整光学参数。由此可见,基于TIE的方法可能会由于不满足弱物体近似或系统参数不正确而导致无法准确恢复物体信息。因此,对于不满足弱物体近似的大相位样品或在系统参数未知(以离焦距离为例)的情况下实现准确的定量相位成像是上述传统方法普遍面临的难题。 与上述基于物理的方法不同,数据驱动深度学习方法可建立离焦强度和物体相位之间的非线性伪逆映射关系,从而实现快速单帧相位成像。但传统基于端到端的训练方式仅可学习一个数据域到另一个数据域的映射关系,数据背后的物理模型和成像机理暂不明确。此外,基于数据驱动的端到端深度学习方法往往存在泛化问题。为克服上述限制,研究人员通过将物理先验引入深度神经网络,开发了无需训练的网络方法,如深度相位解码器和PhysenNet。这些方法旨在通过最小化先验模型生成的图像与实际测量之间的误差来实现非线性优化和相位恢复。更进一步地,BlindNet考虑了离焦距离的不确定性,并解决了未知离焦距离下的相位恢复问题。 在计算成像领域,神经场(Neural Field,NF)技术展现出发展潜力。该技术将三维场景映射为连续场,并采用多层感知器(Multilayer Perceptron,MLP)进行参数化,从而展现出模型轻量化与高推理效率等优势。然而,上述基于物理的深度学习方法仅涉及相干成像,不适用于部分相干成像场景。实际上,在相位恢复问题中考虑照明光源的部分相干性将有助于获得更高质量的重构结果,但这需要额外引入参数(如相干参数)来建立更完整的正向模型。因此,在光学参数未知、可变的情况下实现稳定的部分相干定量相位成像仍是一大挑战。 NFTPM:神经场辅助光强传输相位显微成像技术 为解决上述挑战,南京理工大学左超教授团队提出了一种神经场辅助光强传输相位显微成像技术(Neural-Field-Assisted Transport-of-Intensity Phase Microscopy,NFTPM)。该技术可在未知离焦距离的情况下实现高分辨率的部分相干照明定量相位成像,相关研究成果以“Neural-field-assisted transport-of-intensity phase microscopy: partially coherent quantitative phase imaging under unknown defocus distance”为题发表于Photonics Research 2024年第7期。如图2所示,作者团队特别基于“神经场辅助下的部分相干光强传输定量相位显微成像”为该文章设计了手绘插图。 图2 神经场辅助下的部分相干光强传输定量相位显微成像 图3 NFTPM流程图 NFTPM:仿真对比验证 由于未引入弱物体近似,NFTPM的适用范围可拓展至非弱相位物体。由图4(b)中展示的仿真结果可知,AI-TIE法(为便于描述,此处指代传统圆形照明TIE法与环形照明AI-TIE法)在弱物体近似下可以实现准确的部分相干照明相位恢复(其均方根误差RMSE = 0.0063)。但在图4(c)中,由于待测样品不满足弱物体近似,AI-TIE法难以准确重构出低频信息,出现明显的低频缺失问题。而NFTPM在非弱物体近似下亦可实现准确的相位恢复。此外,与基于相干成像系统的图像到图像的2D卷积神经网络不同,NFTPM形成了一个从空间坐标到相位值的点到点映射函数,进一步有效地约束了解空间,使得单帧部分相干相位成像成为可能。 与基于相干照明的无训练网络不同,NFTPM可以适应各种部分相干照明模式。如图5所示,在具有不同相干参数的圆形照明和匹配环形照明下,该工作仿真对比了AI-TIE与NFTPM法的重构相位及其对应的重构误差,验证了NFTPM对各种常见的部分相干照明模式的兼容性。 图5 在不同相干参数的圆形照明和匹配环形照明下NFTPM与AI-TIE的仿真对比结果图 NFTPM:活细胞实验验证 此外,基于以匹配环形照明为光源的明场显微镜,该工作实现了未染色HeLa细胞的自适应定量相位成像。如图6与图7所示,与传统的AI-TIE法相比,NFTPM可以在未知离焦距离的情况下准确预测离焦距离并获得具有高精度、高对比度优势的重构相位。上述实验证明了NFTPM在长时程、活细胞的动态定量相位显微成像过程中具有自适应校正离焦像差的能力。 图7 NFTPM与AI-TIE的活细胞动态实验对比图 未来展望:推动活细胞成像技术的发展 综上所述,NFTPM使用简单的多层感知器模型来连续表示相位,可在非弱物体近似的情况下实现大相位物体的准确定量相位成像,并在未知离焦距离的情况下准确预测离焦距离,无需精确调整电机驱动或手动校正离焦距离。此外,该方法针对不同系统、不同场景以及不同光学参数误差具有一定的普适性与鲁棒性。NFTPM技术的单帧性、简单性和有效性为部分相干定量相位成像与物理驱动的深度学习的结合提供了新的可能,有望进一步降低非干涉定量相位成像对精密硬件与测量环境的需求。未来可拓展至对更多光学参数的自适应成像,或使用复杂衍射层析模型进行3D成像等方向,为生命科学、生物医药等领域的研究开辟新途径。 团队简介 南京理工大学智能计算成像实验室(SCILab)隶属于南京理工大学光学工程国家一级重点学科带头人陈钱教授领衔的“光谱成像与信息处理”教育部长江学者创新团队、首批“全国高校黄大年式教师团队”。实验室学术带头人左超教授为国际光学工程学会会士(SPIE Fellow)、美国光学学会会士(Optica Fellow),入选科睿唯安全球高被引科学家。实验室致力于研发新一代计算成像与传感技术,在国家重大需求牵引及重点项目支持下开展新型光学成像的机理探索、工程实践以及先进仪器的研制工作,并开拓其在生物医药、智能制造、国防安全等领域的前沿应用。研究成果已在SCI源刊上发表论文200余篇,其中40篇论文被选作Advanced Photonics、Optica、Laser & Photonics Reviews 等期刊封面论文,20篇论文入选ESI高被引/热点论文,论文被引超过15000次。获中国光学工程学会技术发明奖一等奖、江苏省科学技术奖基础类一等奖、日内瓦国际发明展“特别嘉许金奖”等。培养研究生5人获全国光学工程优秀博士论文/提名奖,5人获中国光学学会王大珩光学奖,获“挑战杯”、“创青春”、“研电赛”全国金奖十余次,“互联网+”全国总冠军。 [1].Zuo, C. et al. Transport of intensity equation: a tutorial. Optics and Lasers in Engineering 135, 106187 (2020) [2].陈钱, 左超. 光强传输方程[M]. 北京:科学出版社, 2022 [3].Zuo, C. et al. High-resolution transport-of intensity quantitative phase microscopy with annular illumination. Scientific reports 7, 7654 (2017) 复审 | 左超 终审 | 徐峰
文章分类:
现在文章
|