【技术实现步骤摘要】
一种基于深度学习的稠密样本无透镜显微成像装置与方法
:本专利技术涉及显微成像
,特别涉及一种基于深度学习的稠密样本无透镜显微成像装置与方法。
技术介绍
:光学显微镜,自1670年被虎克专利技术以来,已成为医学、生物以及工业检测等领域中不可或缺的重要工具。但是,现代检测应用对检测设备提出了现场化、即时化、快速化和便携化等要求,传统的显微镜由于体积和重量的限制,在上述场景下较难应用。近年来,同轴全息成像技术为设计显微镜提供了一种新的研究方向,可实现高度紧凑和高通量的无透镜显微成像。为了使系统结构紧凑,无透镜全息显微镜采用同轴全息形式,其中样本散射光波和参考光束光波在相同方向上共同传播,图像传感器记录了物体光波和参考光波之间的干涉全息图案。而后,通过数字全息重建方法从记录的全息图案中反演得到被测样本图像。无透镜全息显微技术消除了光学镜头在体积、重量、成像尺寸等方面的局限,较传统显微镜具有结构简单、体积小巧、操作简便、价格低廉等优点。然而,无透镜全息显微镜对观测样本的稀疏度具有一定的要求。当样本目标在视野内占据较大空间或样本较为稠密时(例如病理切片和组织切片),不同样本衍射后会相互干涉,当干涉较为严重时,数字全息重建算法无法完全消除全息孪生像的干扰,导致重建结果中存在较大的伪像。为了解决上述问题,近年来研究人员尝试通过拍摄多幅具有一定差异的全息图像,通过增加物理约束消除孪生伪像的干扰,以实现稠密样本的重建。常用的方法有改变样本到探测器之间距离,改变光源照射角度,以及增加波长等,但是这些方法需要增加特殊物理装置,系统实现较为复杂,因此本专利技术寻求设计提供一种 ...
【技术保护点】
1.一种基于深度学习的稠密样本无透镜显微成像装置与方法,其特征在于通过如下技术方案实现:涉及的深度学习无透镜显微成像装置的主体结构包括有光源、散射片、小孔、被测样本、图像传感器和深度学习计算平台,光源设置于散射片上部,距离为1mm;散射片的下部设置有小孔,样本位于小孔正下方,图像传感器设置于样本的正下方,图像传感器与计算机通信连接;具体工作方式如下:光源发出的光经过散射片和小孔后,照射到被测样本上,图像传感器采集了样本的全息图像,并发送至深度学习计算平台,在深度学习计算平台上将全息图像还原为原始样本图像,该方法的优势在于只需要拍摄一张被测稠密样本的全息图,通过深度学习重建算法即可还原被测样本图像;光源采用部分相干光源或激光相干光源;散射片的散射角在10度以上,图像传感器采用工业相机或智能相机,深度学习计算平台与相机之间可通过网线、光纤等有线方式或wifi、移动网络等无线方式进行连接和数据传输,深度学习计算平台中含有GPU计算卡或专用计算芯片,图像重建方法在深度计算平台中完成和实现;图像重建方法包括光波角谱反向传播计算模块和深度神经网络模块,光波角谱反向传播计算模块的输入为采集的全息图像 ...
【技术特征摘要】
1.一种基于深度学习的稠密样本无透镜显微成像装置与方法,其特征在于通过如下技术方案实现:涉及的深度学习无透镜显微成像装置的主体结构包括有光源、散射片、小孔、被测样本、图像传感器和深度学习计算平台,光源设置于散射片上部,距离为1mm;散射片的下部设置有小孔,样本位于小孔正下方,图像传感器设置于样本的正下方,图像传感器与计算机通信连接;具体工作方式如下:光源发出的光经过散射片和小孔后,照射到被测样本上,图像传感器采集了样本的全息图像,并发送至深度学习计算平台,在深度学习计算平台上将全息图像还原为原始样本图像,该方法的优势在于只需要拍摄一张被测稠密样本的全息图,通过深度学习重建算法即可还原被测样本图像;光源采用部分相干光源或激光相干光源;散射片的散射角在10度以上,图像传感器采用工业相机或智能相机,深度学习计算平台与相机之间可通过网线、光纤等有线方式或wifi、移动网络等无线方式进行连接和数据传输,深度学习计算平台中含有GPU计算卡或专用计算芯片,图像重建方法在深度计算平台中完成和实现;图像重建方法包括光波角谱反向传播计算模块和深度神经网络模块,光波角谱反向传播计算模块的输入为采集的全息图像,输出为复数图像;深度神经网络模块将复数图像分为实部图像和虚部图像作为输入,而后通过网络处理后给出优化后的实部图像和虚部图像,所述深度神经网络模块包括有卷积神经网络。2.根据权利要求1所述的一种基于深度学习的稠密样本无透镜显微成像装置与方法,其特征在于光源选用LED光源,LED光源波长λ为520nm;所用散射片为50°散射角的工程散射片,散射片与LED光源之间间隔为1mm;所用小孔为100微米针孔,小孔紧贴在散射片背部;样本为待观测显微样本,样本与小孔之间间隔为6cm;所用相机为单板工业相机,分辨率为2.2微米,相机与样本之间间隔为z,z在0.2-5mm之间;所用深度学习计算平台为PC计算机,计算机中插入了GPU计算卡,计算机与单板相机之间采用USB3.0进行有线连接;光波角谱反向传播计算模块中计算了物体P(x,y)经过距离-z的反向传播后所得到的光场,上述传播过程可通过光波近场衍射传播进行描述,可采用菲涅尔卷积法或角谱法等方式进行数值计算,本发明中采用了角谱法进行实现,记物体P(x,y)传播距离z后的光波为E(x',y')=ASP{P(x,y);λ,z},其计算过程如下:步骤一:计算P(x,y)的角谱步骤二:物体角谱传播距离z,步骤三:重建出射光波因此,光波角谱反向传播计算模块的计算形式为E(x',y')=ASP{P(x,y);λ,-z};深度神经网络的输入将反向传播后的复数数据分解为实部和虚部,并将实部数据和虚部数据作为网络的输入,深度神经网络采用的是全卷积网络,网络经过四组下采样,然后又经过四组上采样,最后恢复出图像,网络的连接顺序依次为输入层、第一卷积层...
【专利技术属性】
技术研发人员:纪刚,周粉粉,周萌萌,安帅,商胜楠,于腾,
申请(专利权)人:青岛联合创智科技有限公司,
类型:发明
国别省市:山东,37
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。