基于深度学习的自动聚焦相位成像技术
细胞组织为有机体的重要组成部分，通过分析细胞结构，能够了解细胞的形成过程，研究其内部结构特征。但大多数细胞属于相位物体，传统显微镜无法直接对其成像。相衬法提供了一种无需标记和染色，即可观察样本的显微镜技术。但泽尼克相衬显微镜需要在物镜的傅里叶光谱处嵌入圆形泽尼克相位板；微分干涉相衬显微镜需要一个双折射晶体。复杂的光学配置和计算时间成本限制了其相衬法的进一步应用，且相衬法无法定量测量物体相位信息。 随着技术的发展，许多定量相位成像方法被提出。数字全息显微技术是一种具有高精度、非接触、无损伤的三维测量方法，但在相位解包裹、分辨率、图像信噪比等方面具有一定的局限性，这些问题限制了该技术的进一步应用。此外，自动聚焦是获取高质量相位信息的关键步骤，必须同时实现自动聚焦和相位成像。本文针对上述问题展开研究。 针对传统相衬成像方法的不足之处以及自动聚焦对成像质量的关键性，提出了利用深度学习方法同时实现自动聚焦和相衬成像，并利用Pix2pix和U-Net初步验证了该方法的可行性。 针对自动聚焦相衬成像的特点以及Pix2pix和U-Net的不足之处，引入空间注意力机制和残差块，设计了一个基于U-Net的网络框架。测试结果及对比分析证明该框架能更精准的实现自动聚焦相衬成像。此外，测试了不同视场对该网络的影响。最后讨论了在没有匹配数据集的情况下如何实现自动聚焦相衬成像。 针对目前没有任何显微镜能够直接从非相干照明下的离焦显微图得到聚焦相位图这一问题，提出了基于深度学习方法实现跨模态自动聚焦定量相位成像，并且该方法能够进行无监督(未配对的图像数据)学习。本文首先采用离焦显微图像和不匹配相位图定性验证了该策略的有效性。此外，通过一一对应的强度图和相位图定量测试，验证了网络输出图像的准确率。
相位成像;深度学习;自动聚焦;注意力机制;跨模态
河北工程大学
硕士
光学工程
王华英;张步勤
2023
中文
TP391.41
2023-08-22（万方平台首次上网日期，不代表论文的发表时间）