面向数字同轴全息显微的物理驱动通用孪生像去除网络
图像与视频处理
2023-12-25 v1 光学
摘要
数字同轴全息显微（DIHM）能够实现高效且低成本的计算定量相位成像，并具有大视场，使其在细胞运动、迁移和生物微流控研究中具有重要价值。然而，DIHM重建质量受到孪生像噪声的损害，这是一个重大挑战。缓解该噪声的传统方法涉及复杂的硬件设置或耗时的算法，且通常效果有限。在这项工作中，我们提出UTIRnet，一种用于快速、鲁棒且普遍适用的孪生像抑制的深度学习解决方案，其仅在数值生成的数据集上训练。开源的UTIRnet代码便于在各种DIHM系统中实现，而无需大量实验训练数据。值得注意的是，我们的网络确保了重建结果与输入全息图的一致性，赋予了基于物理的基础，并相比传统深度学习方法增强了可靠性。实验验证包括在活体神经胶质细胞培养迁移传感上进行的验证，这对神经退行性疾病研究至关重要。
引用
@article{arxiv.2308.04471,
title = {Physics-driven universal twin-image removal network for digital in-line holographic microscopy},
author = {Mikołaj Rogalski and Piotr Arcab and Luiza Stanaszek and Vicente Micó and Chao Zuo and Maciej Trusiak},
journal= {arXiv preprint arXiv:2308.04471},
year = {2023}
}