深度学习实现基于治疗需求的鲁棒精确光聚焦
图像与视频处理
2020-08-18 v1 机器学习
摘要
若光穿过人体组织时仅聚焦于治疗所需区域（如肿瘤），将革新众多生物医学成像与治疗技术。因此，如何克服散射实现光通过深层非均匀组织的聚焦，是生物医学领域的圣杯。本文使用深度学习学习并加速基于波前整形的相位预补偿过程。我们提出一种方法（LoftGAN，光仅聚焦于治疗需求）用于学习相位域 X 与散斑域 Y 之间的关系。我们的目标不仅是像多数工作那样学习逆映射 F:Y->X 从而获知成像 Y 所需对应 X，还要通过确保所得相位可前向映射回散斑，使易受干扰的聚焦更鲁棒与精确。因此我们引入不同约束以强制 F(Y)=X 与 H(F(Y))=Y，其中传输映射 H:X->Y。我们进行了仿真与物理实验以探究光聚焦效果，证明方法有效性，且对比实验证实了鲁棒性与精度的关键提升。代码见 https://github.com/ChangchunYang/LoftGAN。
引用
@article{arxiv.2008.06975,
title = {Deep Learning Enables Robust and Precise Light Focusing on Treatment Needs},
author = {Changchun Yang and Hengrong Lan and Fei Gao},
journal= {arXiv preprint arXiv:2008.06975},
year = {2020}
}