面向干涉图案的薄液膜厚度轮廓实时推断：基于视觉转换器

薄膜干涉是一种强大的技术，用于非侵入式测量液体膜厚度，广泛应用于眼科学，但其临床转化受阻于从干涉图案重建厚度轮廓的挑战——这是一个受相位周期性、成像噪声和环境杂波干扰的逆问题。传统重建方法要么计算密集，要么对噪声敏感，要么需要手动专家分析，这些都不适用于实时诊断。为此，我们提出一种基于视觉转换器的方法，用于从干涉图案直接进行薄液膜厚度轮廓的实时推断。在训练所采用的数据集融合了生理学相关的合成数据和实验性 tear film 数据，模型利用长程空间相关性以单次前向传播从动态干涉图（包括体内和体外获取）中重建时序一致的厚度轮廓，解决相位歧义。该网络在带有运动伪影的噪声、快速演化薄膜上表现出最先进的性能，克服了传统相位展开和迭代拟合方法的局限。我们的数据驱动方法实现了在消费级硬件上的自动化、一致的厚度重建，为连续监测眼前液膜和非侵入式诊断如干眼病等疾病开辟了新可能。