不同方法对（a）蛔虫卵和（b）水蚤后足的成像结果，包括最终重建的相位图及其相应的光学厚度测量

图源：论文

近日，中国科学院发布新科研进展，中国科学院西安光学精密机械研究所瞬态光学与光子技术国家重点实验室姚保利课题组在智能光学显微成像研究方面取得新突破。

据悉，研究中课题组提出了用于DIDH成像的非训练神经网络即DIDH-Net，可从DIDH成像数据中重建出噪声和孪生像双重抑制的目标相位分布。

DIDH-Net本质上是通过将非卷积网络与真实成像物理过程模型相结合而建立，即将神经网络成像结果与用于光学DIDH成像的特定模型相结合，从而避免了传统网络训练所需的极大数据量。此外，该DIDH-Net不需要对成像参数或操作（如相移、训练数据等）进行额外的修改，便可实现高分辨率和高精度相位成像和测量。

据了解，该研究可以为DIDH提供鲁棒的相位重建和高精度的光学厚度测量，并可为其他数字全息成像方案提供借鉴。

近年来，该团队一直致力于智能光学显微成像技术研究，在成像功能、信息获取维度、性能指标等方面都取得了进展，继而形成了多种新型光学显微成像技术，例如，利用深度学习技术实现全彩宽场显微光切片三维成像、共聚焦显微快速超分辨三维成像、快速光片三维显微成像等。

这项相关研究成果以Dual-wavelength in-line digital holography with untrained deep neural networks为题，在线发表在《光子学研究》上。

前瞻经济学人APP资讯组

论文原文：

https://www.osapublishing.org/prj/fulltext.cfm?uri=prj-9-12-2501&id=465552

标签： 光学显微成像 数字全息成像