黄页在线观看视频_日韩电影免费在线_精品剧情v国产在线观看在线_欧美国产精品久久_99精品国产99久久久久久福利_色无极亚洲影院_1区2区在线观看_精品久久久久久无

(相關資料圖)

復雜域神經網絡實現了最先進的相干成像精度，將曝光時間和數據量減少了一個數量級以上。計算成像具有寬視場和高分辨率的能力，有望徹底改變光學成像。通過聯合重建振幅和相位--一種被稱為"相干成像或全息成像"的技術--光學系統的吞吐量可以擴大到數十億個可光學分辨的光點。這一突破使研究人員能夠深入了解細胞和分子結構，對生物醫學研究產生重大影響。

復雜域神經網絡支持大規模相干成像

盡管潛力巨大，但現有的大規模相干成像技術面臨著阻礙其廣泛臨床應用的挑戰。其中許多技術需要多個掃描或調制過程，導致數據采集時間過長，難以實現高分辨率和高信噪比。由于需要在速度、分辨率和質量之間進行權衡，這就減慢了成像速度，限制了其在臨床環境中的可行性。

最近的圖像去噪方法提供了一種潛在的解決方案。這些方法在迭代重建過程中采用去噪算法，目的是在數據稀疏的情況下也能提高成像質量。然而，傳統方法計算復雜，而基于深度學習的技術往往通用性差，可能會犧牲圖像細節。

在發表于《先進光子學》（Advanced Photonics Nexus）雜志上的一項研究中，一個研究小組展示了一種復雜域神經網絡，它能顯著增強大規模相干成像。這為各種模式下的低采樣和高質量相干成像提供了新的可能性。該技術利用了振幅和相位分量之間的潛在耦合信息，從而實現了復雜波面的多維表示。該框架在各種相干成像模式中顯示出很強的通用性和魯棒性。

來自北京理工大學、加州理工學院和康涅狄格大學的研究團隊利用二維復合卷積單元和復合激活函數構建了一個網絡。他們還為相干成像開發了一個全面的多源噪聲模型，包括斑點噪聲、泊松噪聲、高斯噪聲和超分辨率重建噪聲。多源噪聲模型有利于從合成數據到真實數據的域適應能力。

所報告的技術被應用于多種相干成像模式，包括克拉默-克羅尼格關系全息成像、傅立葉平片顯微成像和無鏡頭編碼平片成像。大量的模擬和實驗表明，該技術在保持高質量重建和效率的同時，還大大減少了曝光時間和數據量--減少了一個數量級。高質量的重建為后續的高級語義分析（如高精度細胞分割和虛擬染色）提供了重要的意義，有可能促進智能醫療的發展。

快速、高分辨率成像的能力縮短了曝光時間，減少了數據量，為實時細胞觀察提供了巨大的潛力。此外，將這項技術與人工智能診斷相結合，可以揭開復雜生物系統的秘密，推動醫療診斷的發展。