基于物理的光学神经网络折射率层析成像
光学
2023-06-13 v1 生物物理
计算物理
摘要
非干涉三维折射率(RI)层析成像因其系统实现简单和成像性能稳健，在生命科学领域引起了广泛关注。然而，当所研究样品偏离弱散射近似时，物理传播过程固有的复杂性带来了显著挑战。此类条件使传统算法难以实现全局优化，导致重建过程既耗时又可能无效。为应对这些局限，本文提出一种具有光学结构的无训练多层切片神经网络(MSNN)，其中根据光束传播模型每一层都具有明确的对应物理意义。该网络无需预训练，具有良好的泛化能力，并可通过一组强度图像的优化实现恢复。同时，MSNN可通过可学习参数校准不同照明的强度，并且通过在MSNN中相邻“折射率”层之间集成“散射衰减层”，还考虑了多次背散射效应。我们精心进行了仿真与实验以证明所提方法的有效性与可行性。实验结果表明，MSNN能在折射率层析成像中以更高效率增强清晰度。MSNN的实现为折射率层析成像引入了新范式。
引用
@article{arxiv.2306.06558,
title = {Refractive index tomography with a physics based optical neural network},
author = {Delong Yang and Shaohui Zhang and Yao Hu and Qun Hao},
journal= {arXiv preprint arXiv:2306.06558},
year = {2023}
}
备注
18 pages, 9 figures, 2 supplemental documents