MetaScope：面向超微型金属透镜内窥镜的光学驱动神经网络

微型内窥镜技术已推动人体内精准视觉感知。当前研究局限于采用凸透镜的常规相机，其中因毫米级厚度的物理限制在微观临床应用中造成严重障碍。近期随着 meta-optics 的兴起，基于金属透镜（微米级）的超微型成像技术引起了广泛关注，成为具有前景的解决方案。然而，由于金属透镜的物理差异，数据获取和算法研究之间存在较大差距。鉴于此，我们旨在搭建这一未探索的鸿沟，推动新型金属透镜内窥镜的发展。首先，我们建立了金属透镜内窥镜的数据集并进行初步光学模拟，确定两种源于强光学先验的派生光学问题。其次，我们提出MetaScope，一个为金属透镜内窥镜量身定制的光学驱动神经网络。MetaScope包含两种新颖设计：光学感知强度调整（OIA），通过学习光学嵌入来纠正强度衰减；光学感知色差校正（OCC），通过学习由所学习的点扩散函数（PSF）分布所引导的空间变形来缓解色差。为增强联合学习，我们进一步部署基于梯度引导的知识蒸馏，以适应性方式从基础模型传递知识。大量实验表明，MetaScope不仅在金属透镜分割和恢复方面超越了最先进的方法，也在真实生物医学场景中实现了惊人的泛化能力。