使用端到端深度学习的多芯光纤内窥镜免标定定量相位成像
光学
2023-12-13 v1 人工智能
生物物理
计算物理
摘要
通过多芯光纤 (MCF) 的定量相位成像 (QPI) 已成为一种新兴的体内无标记内窥镜成像模态，具有极小侵入性。然而，传统迭代相位恢复算法的计算需求限制了其实时成像潜力。我们展示了一种基于学习的 MCF 相位成像方法，该方法将相位重建时间显著缩短至 5.5 ms，实现了 181 fps 的视频速率成像。此外，我们引入了一个创新的光学系统，该系统自动生成了首个专为 MCF 相位成像定制的开源数据集，包含 50,176 对散斑与相位图像。我们训练的深度神经网络 (DNN) 在实验中表现出稳健的相位重建性能，平均保真度高达 99.8%。这种高效的纤维相位成像方法可以拓宽 QPI 在难以触及区域的应用。
引用
@article{arxiv.2312.07102,
title = {Calibration-free quantitative phase imaging in multi-core fiber endoscopes using end-to-end deep learning},
author = {Jiawei Sun and Bin Zhao and Dong Wang and Zhigang Wang and Jie Zhang and Nektarios Koukourakis and Juergen W. Czarske and Xuelong Li},
journal= {arXiv preprint arXiv:2312.07102},
year = {2023}
}
备注
5 pages. 5 figures