一种基于单幅相位图的三维重建方法技术

本发明专利技术提供了一种基于单幅相位图的三维重建方法，构建训练数据集和测试数据集，训练数据集由聚苯乙烯微球样本在奥林巴斯镜油、不同浓度氯化钠溶液、超纯水环境液下处理后的单幅相位图构成，测试数据集是未出现在训练数据集内的聚苯乙烯微球样本和血红细胞样本的单幅相位图数据；将训练数据集导入机器学习模型中进行训练，使用测试数据集预测，得到亚结构生物细胞的三维结构形貌。本发明专利技术方法解决了现有技术中数据量庞大、耗时过长、实现工艺复杂等问题。等问题。等问题。

【技术实现步骤摘要】
一种基于单幅相位图的三维重建方法


[0001]本专利技术属于相位显微成像
，具体涉及一种基于单幅相位图与机器学习的相位体三维形态快速重建方法。

技术介绍

[0002]生物细胞是生物体结构和生命活动的基本单位。细胞的形态结构与细胞的生理活动和功能具有紧密的联系，例如细胞在增值、分裂、代谢以及癌变的过程中形态结构均会有一定的改变，形态在很大程度上可以直观地表征细胞的状态。因此对细胞形态结构的研究在生命健康、细胞生物学上具有重要的意义。但是大多数细胞无色透明，属于相位物体，传统显微镜难以对其成像。定量相位显微(Quantitative Phase Microscopy，QPM))技术可将光波中非直接可见的相位信息调制为易于观测和采集的振幅信息，由于光穿过透明的相位物体时，能引起折射率部分密切相关的相移，故QPM技术被应用于获取生物细胞的相位分布数据。其中相位数据反应了样品在某一光照方向上的厚度和折射率的累积情况，无法得到样品准确的形貌和结构。传统生物细胞三维形貌重建方法，需要样品多角度的相位图，不仅在数据收集上或者是重建耗时上都需要较多资源，无法满足生命医学领域对生物细胞三维形貌的快速重建的需求。

技术实现思路

[0003]针对现有技术中存在不足，本专利技术提供了一种基于单幅相位图的三维重建方法，克服现有相位体三维重建方法存在数据量庞大、耗时过长、实现工艺复杂等缺陷。
[0004]本专利技术是通过以下技术手段实现上述技术目的的。
[0005]一种基于单幅相位图的三维重建方法，具体为：<br/>[0006]构建机器学习模型，将训练数据集导入所述机器学习模型中进行训练，使用测试数据集预测，得到亚结构生物细胞的三维结构形貌；
[0007]所述训练数据集由聚苯乙烯微球样本在奥林巴斯镜油、不同浓度氯化钠溶液、超纯水环境液下处理后的单幅相位图构成；所述测试数据集是未出现在训练数据集内的聚苯乙烯微球样本和血红细胞样本的单幅相位图数据。
[0008]进一步的技术方案，所述处理后的单幅相位图包括边缘提取、归一化以及特征工程处理。
[0009]更进一步的技术方案，所述边缘提取具体为：对单幅相位图在像素上的同一行或者同一列上进行梯度计算，得到每个像素行或列的梯度曲线，并将梯度曲线上的跳变点作为样本边界点。
[0010]更进一步的技术方案，假定样本边界点相位值为0，以此为标准，对相位图进行归一化处理，得到在统一标准的相位值分布图。
[0011]更进一步的技术方案，所述特征工程处理是对相位值分布图进行特征提取，得到相位梯度值。
[0012]进一步的技术方案，所述训练数据集的特征包括从样本光学实验中获取的相位值、像素坐标、入射光波长、环境液的折射率以及相位梯度值，所述训练数据集的标签为空间厚度。
[0013]进一步的技术方案，使用测试数据集预测后，根据测试数据集预测结果与人工获取的真实空间厚度的绝对误差进行模型评价。
[0014]更进一步的技术方案，所述空间厚度是人工对聚苯乙烯微球样本进行空间厚度标定获取的。
[0015]进一步的技术方案，所述机器学习模型为线性回归模型或随机森林模型或SVM模型或岭回归模型。
[0016]本专利技术的有益效果为：
[0017](1)本专利技术所实现的基于机器学习的单幅相位图三维重建，创新性结合了计算机领域的机器学习算法和相位体的三维形貌重建，实现了在无需得知样本折射率的前提下，就可以得到样本较为准确的三维形貌；
[0018](2)本专利技术所需采集数据少且存储方便，相比传统的相位体三维重建，本专利技术不需要采集多幅相位图，只需要单幅相位图变可以实现三维形态重建，不需要复杂的光路系统采集样本特定方向的多幅相位图，更易于实现和数据的采集存储；
[0019](3)本专利技术对于256*256(像素)的相位图数据，重建所耗时约为0.2s，相比于传统的相位体三维形态重建的算法，耗时方面具有巨大的优势；
[0020](4)本专利技术对光学实验数据进行特征工程处理，使得三维重建的轮廓更加圆滑，噪声更加小。
附图说明
[0021]图1为本专利技术所述基于单幅相位图的三维重建方法流程图；
[0022]图2为本专利技术所述血红细胞的定量相位成像图；
[0023]图3为本专利技术所述图2经Laplace梯度算子处理的梯度图；
[0024]图4为本专利技术所述图3像素y轴中线的梯度曲线；
[0025]图5为本专利技术所述血红细胞三维重建轮廓形貌。
具体实施方式
[0026]下面结合附图以及具体实施例对本专利技术作进一步的说明，但本专利技术的保护范围并不限于此。
[0027]如图1所示，一种基于单幅相位图的三维重建方法，具体包括如下步骤：
[0028]步骤(1)，对样本相位图进行边缘提取、归一化以及特征工程处理
[0029]制备环境液分别为氯化钠溶液、超纯水、奥林巴斯镜油的聚苯乙烯微球样本以及环境液为生理盐水的血红细胞样本，通过Biophase的定量相位显微技术得到四种样本的单幅相位图。
[0030]通过Laplace算子对得到的相位图进行边缘提取，具体的：对相位图在像素上的同一行或者列上进行梯度计算，得到每个像素行或列的梯度曲线，并将梯度曲线上的跳变点作为样本的边界点。
[0031]根据上述边界点，可以确定样本的实验相位值范围，由于实验环境(入射光大小、环境液分布均等、载玻片杂质)等影响，得到的实验相位值并不在同一标准上。
[0032][0033]其中：φ(x,y)表示样本的相位分布，表示波数，n
c
(x,y,z)表示样本内部的折射率，n
m
表示样本所处环境液的折射率，h(x,y)表示样本的空间厚度，(x,y)表示像素点坐标。
[0034]根据公式(1)可知相位值是物体折射率和空间厚度的耦合，实际上物体边界的折射率差不可能为0，理论上只有物体边界的空间厚度为0，对应的相位值也为0；假定样本边界点相位值为0，以此为标准，对相位图进行归一化处理，得到一个在统一标准的相位值分布图。
[0035]对相位值分布图进行特征提取，得到相位梯度值，特征提取的具体操作为：对相位图在像素上的同一行和同一列进行相位值的一阶梯度处理和二阶梯度处理，为后续的数据集增加维度。
[0036]步骤(2)，构建机器学习训练数据集和测试集数据
[0037]训练数据集由包括4、7、8μm的聚苯乙烯微球样本在奥林巴斯镜油、不同浓度氯化钠溶液、超纯水环境液下处理后的单幅相位图构成；训练数据集的特征包括从样本光学实验中获取的相位值、像素坐标、入射光波长、环境液的折射率以及相位梯度值，训练数据集的标签为空间厚度；空间厚度是人工对聚苯乙烯微球样本进行空间厚度标定。
[0038]测试集数据是未出现在训练数据集内的聚苯乙烯微球样本和血红细胞样本的单幅相位图数据。
[0039]步骤(3)，构建机器学习模型，将步骤(2)的训练数据集导入机器学习模型中本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于单幅相位图的三维重建方法，其特征在于：构建机器学习模型，将训练数据集导入所述机器学习模型中进行训练，使用测试数据集预测，得到亚结构生物细胞的三维结构形貌；所述训练数据集由聚苯乙烯微球样本在奥林巴斯镜油、不同浓度氯化钠溶液、超纯水环境液下处理后的单幅相位图构成；所述测试数据集是未出现在训练数据集内的聚苯乙烯微球样本和血红细胞样本的单幅相位图数据。2.根据权利要求1所述的基于单幅相位图的三维重建方法，其特征在于，所述处理后的单幅相位图包括边缘提取、归一化以及特征工程处理。3.根据权利要求2所述的基于单幅相位图的三维重建方法，其特征在于，所述边缘提取具体为：对单幅相位图在像素上的同一行或者同一列上进行梯度计算，得到每个像素行或列的梯度曲线，并将梯度曲线上的跳变点作为样本边界点。4.根据权利要求3所述的基于单幅相位图的三维重建方法，其特征在于，假定样本边界点相位值为0，以此为标准，对相位图进行...

【专利技术属性】
技术研发人员：黄锦槟，尚梦园，韦鑫宇，龚凌冉，季颖，
申请(专利权)人：江苏大学，
类型：发明
国别省市：