近日，中國科學院深圳先進技術研究院醫(yī)工所秦文健博士團隊在JCR一區(qū)期刊Optics and Lasers in Engineering上發(fā)表了題為Fast physic-informed mixer architecture for color Lensfree holographic reconstruction的研究。該團隊提出了一種基于物理信息的無監(jiān)督復值網絡架構，用于高效、高質量彩色無透鏡全息重建。本研究中，王家乾博士生和曾光工程師為共同第一作者，秦文健博士為通訊作者，中國科學院深圳先進技術研究院為第一單位。
從多波長全息圖精確重建彩色圖像在生物醫(yī)學成像應用中至關重要。當前數(shù)據(jù)驅動的深度學習方法在生物醫(yī)學圖像重建性能方面已經取得了重要進展。尤其是未經訓練的神經網絡方法可以有效解決成像模型對數(shù)據(jù)集樣本數(shù)量要求和泛化問題。然而，現(xiàn)有方法依然需要更多的迭代計算來提高重建質量，這使得模型需要更長的收斂時間。
為了應對這一挑戰(zhàn)，該團隊提出了一種高效的復值注意力混合器（ECA-Mixer）架構，用于快速準確的物理信息彩色全息重建。該架構由三個核心模塊組成：編碼器、非線性變換器和解碼器，每個模塊都結合了高效的注意力機制和混合器層，用于通道特征提取和空間信息轉換。為了保留高頻信息，該團隊還引入了 2D Haar 小波及其逆變換來編碼和解碼特征。
該研究成果在大量仿真和實驗樣本上的結果表明，該方案在計算時間和圖像質量方面實現(xiàn)了極佳的彩色重建結果。更重要的是，該成果方案能夠在短短幾分鐘內以更高分辨率對大尺寸寬視場樣本進行快速成像。本論文技術成果為計算全息成像在生物醫(yī)學顯微成像方面應用提供了新的解決思路和方法。
骨組織病理大視場彩色全息重建結果展示
附件下載：