通过滤波像素潜在变量从欠采样体积测量中解混光学信号

信号解混算法的发展对于利用通过各种科学成像技术（包括高光谱或时间分辨采集）获取的多模态数据集至关重要。在实验物理学中，提高时空分辨率或增加检测通道数量通常会导致采样率和信噪比下降，从而显著影响信号解混算法的效能。我们提出了潜在解混，一种将带通滤波器应用于多维卷积神经网络潜在空间以分离重叠信号分量的新方法。它能够更好地分离和量化单个信号的贡献，特别是在欠采样分布的情况下。使用多维卷积核同时处理所有维度，增强了网络从相邻像素以及时间或光谱通道中提取信息的能力。当单个像素无法提供清晰、分辨率良好的信息时，这种方法能够更有效地分离各分量。我们通过两个测试案例展示了该方法在实验物理学中的实际应用，突出了我们方法的通用性：荧光寿命显微镜和光纤中的模式分解。潜在解混方法从标准方法无法解析的复杂信号中提取有价值的信息。它为光学和光子学中以更高采样率进行多通道分离开辟了新的可能性。