近日，中國科學(xué)院西安光學(xué)精密機械研究所瞬態(tài)光學(xué)與光子技術(shù)國家重點實驗室姚保利課題組在智能光學(xué)顯微成像研究方面取得新進展。相關(guān)研究成果以Dual-wavelength in-line digital holography with untrained deep neural networks為題，在線發(fā)表在《光子學(xué)研究》上。

雙波長同軸數(shù)字全息（Dual-wavelength in-line digital holography，DIDH）是高精度定量相位成像的常用方法之一。在實際DIDH成像中，兩個固有因素影響成像的質(zhì)量：每個單一波長成像的噪聲會出現(xiàn)在雙波長全息圖中，導(dǎo)致相位重建中噪聲放大的問題；孿生像問題影響同軸數(shù)字全息的成像質(zhì)量。研究人員利用光路改進或算法補償?shù)确椒▉斫鉀Q上述問題，卻面臨加大光路復(fù)雜度與強噪聲條件下魯棒性不足等問題。相比之下，深度學(xué)習(xí)技術(shù)憑借其噪聲抑制或?qū)\生像抑制能力，成為DIDH成像的有力工具。然而，當前多數(shù)基于深度學(xué)習(xí)的方法依賴于監(jiān)督學(xué)習(xí)和訓(xùn)練實例，即需要大量的訓(xùn)練集來優(yōu)化其權(quán)值和偏差。而在雙波長同軸數(shù)字全息成像中，由于噪聲放大、孿生像以及成像系統(tǒng)穩(wěn)定性等影響，使實際應(yīng)用中不太可能獲得足夠數(shù)量的真值圖像用于訓(xùn)練，限制了該類神經(jīng)網(wǎng)絡(luò)在DIDH中的廣泛應(yīng)用。

針對上述問題，課題組提出了用于DIDH成像的非訓(xùn)練神經(jīng)網(wǎng)絡(luò)即DIDH-Net，可從DIDH成像數(shù)據(jù)中重建出噪聲和孿生像雙重抑制的目標相位分布。DIDH-Net本質(zhì)上是通過將非卷積網(wǎng)絡(luò)與真實成像物理過程模型相結(jié)合而建立，即將神經(jīng)網(wǎng)絡(luò)成像結(jié)果與用于光學(xué)DIDH成像的特定模型相結(jié)合，從而避免了傳統(tǒng)網(wǎng)絡(luò)訓(xùn)練所需的極大數(shù)據(jù)量。此外，該DIDH-Net不需要對成像參數(shù)或操作（如相移、訓(xùn)練數(shù)據(jù)等）進行額外的修改，便可實現(xiàn)高分辨率和高精度相位成像和測量。

與其他迭代相位成像方法相比，基于深度學(xué)習(xí)的方法不需要在精確相位重建和魯棒性之間進行權(quán)衡，因而在DIDH成像中具有優(yōu)勢。傳統(tǒng)的端到端方法通常從一組訓(xùn)練數(shù)據(jù)中學(xué)習(xí)映射函數(shù)，而當實測數(shù)據(jù)沒有使用相同的權(quán)重集進行擬合時，該種數(shù)據(jù)驅(qū)動方案中的誤差則不可避免，并在重構(gòu)結(jié)果中帶來偽影和噪聲；在放大噪聲和孿生像作用下，這種情況將更嚴重。由于沒有任何用于訓(xùn)練的標記數(shù)據(jù)，DIDH-Net僅需對圖像形成機制進行相對精確的建模，繼而將該物理模型與傳統(tǒng)的深度神經(jīng)網(wǎng)絡(luò)相結(jié)合，便可以有效且準確地用單幅DIDH成像重建物體的相位分布信息。該研究可以為DIDH提供魯棒的相位重建和高精度的光學(xué)厚度測量，并可為其他數(shù)字全息成像方案提供借鑒。

近年來，姚保利團隊致力于智能光學(xué)顯微成像技術(shù)研究，在成像功能、信息獲取維度、性能指標等方面取得了進展，繼而形成了多種新型光學(xué)顯微成像技術(shù)，例如，利用深度學(xué)習(xí)技術(shù)實現(xiàn)全彩寬場顯微光切片三維成像、共聚焦顯微快速超分辨三維成像、快速光片三維顯微成像等；利用壓縮感知技術(shù)實現(xiàn)了高分辨率高信噪比的光片顯微成像、散射介質(zhì)后定量相位快速計算成像、魯棒襯度傳遞函數(shù)相位成像等。

不同方法對（a）蛔蟲卵和（b）水蚤后足的成像結(jié)果，包括最終重建的相位圖及其相應(yīng)的光學(xué)厚度測量