神经网络加速了全息成像

加州大学洛杉矶分校的研究人员演示了使用循环神经网络(RNN)的全息成像。用更快更好的全息图重建人体肺组织切片。

资料来源:加州大学洛杉矶分校技术进步工程学院

数字全息成像是一种常用的方法显微镜生物医学成像技术。它揭示了样品丰富的光学信息，可以用于检测等病理组织切片异常。普通的图像传感器只对入射光的强度做出反应。因此，重建由这种传感器数字记录的全息图的完整三维信息是一项具有挑战性的任务，涉及光学相位检索，这是一个耗时且计算量大的数字步骤全息术．

美国加州大学洛杉矶分校的一个研究小组最近开发了一种新型全息相位检索技术，与现有方法相比，该技术可以以高达50倍的加速度快速重建样品的微观图像。这种新技术利用了周期性神经网络培训使用深度学习并结合多个全息图的空间特征，以数字方式创建样本的全息显微图像，如人体组织幻灯片。这样可以获得更好的图像质量和更快的重建速度，同时也提高了重建样本体积的景深。

加州大学洛杉矶分校的研究人员通过对人肺组织切片和子宫颈抹片进行实验，证明了这种新的全息成像方法的有效性。这些结果报告了使用循环神经网络进行全息成像和相位恢复的首次演示，也为设计改进的全息显微镜提供了新的机会，减少了测量次数，提高了成像速度。

“这个框架可以广泛应用于各种生物医学成像方式，包括例如荧光显微镜，有效地利用获得的图像序列，快速、准确地创建样品体积的3D重建，”加州大学洛杉矶分校电子与计算机工程的校长教授、加州纳米系统研究所的副主任Aydogan Ozcan博士说，他是这项研究的资深通讯作者。

这本书发表于ACS光子学．