基于 diffractive 神经网络的全光生物医学细胞图像分类：仿真研究
光学
2025-09-03 v1
摘要
我们报告了一项基于单层 diffractive 神经网络 (DNN) 的全光细胞分类系统的仿真演示，旨在针对真实世界的生物医学图像进行优化。该网络在空间光调制器 (SLM) 上实现仿真，其通过反向传播进行数值训练，以区分乳腺癌和肺癌细胞。训练数据采用来自 optofluidic time-stretch 定量相位成像的实验获取的相位和幅度图像。通过在检测平面计算光学强度来模拟分类。优化后的 DNN 实现了 93.6% 的分类准确率，接近传统卷积神经网络的水平。这一研究凸显了基于 SLM 的 DNN 在实际光学计算场景中实现超快、低能耗生物医学图像处理的潜力。
引用
@article{arxiv.2509.00370,
title = {All-optical classification of real biomedical cell images using a diffractive neural network: a simulation study},
author = {Norihide Sagami and Yueyun Weng and Cheng Lei and Ryosuke Oketani and Kotaro Hiramatsu},
journal= {arXiv preprint arXiv:2509.00370},
year = {2025}
}
备注
4 pages, 4 figures