衍射网络通过随机扩散器实现定量相位成像
几十年来，对细胞等弱散射相物体进行成像一直是包括生物医学科学在内的各个领域的活跃研究领域。一种常见的方法使用化学染色剂或荧光标签来为弱散射物体带来图像对比度，但它需要相对复杂的样品制备步骤，这也可能对样品有毒或具有破坏性。定量相位成像 (QPI) 已成为满足这一需求的强大无标记解决方案，无需使用任何外部试剂即可提供透明样本的非侵入性高分辨率成像。然而，传统的 QPI 系统由于需要数字图像重建和相位检索算法，可能会占用大量资源且速度缓慢。此外，大多数 QPI 方法不考虑随机散射介质，尤其是在生物组织中普遍存在的介质。
最近发表在《光：先进制造》上的一篇论文加州大学洛杉矶分校(UCLA)电气与计算机工程系 Aydogan Ozcan 教授领导的研究小组报告了一种对完全被随机、未知相位扩散器覆盖的物体进行定量相位成像的新方法。他们的方法使用由通过深度学习优化的连续透射层组成的衍射光学网络，该衍射系统轴向跨度约为 70λ，其中 λ 是照明波长。在训练过程中，利用各种随机生成的相位扩散器来构建针对随机未知扩散器产生的相位扰动的弹性。经过一次性努力的培训后，
在数值模拟中，该团队成功展示了 QPI 衍射网络通过前所未有的新型随机相位扩散器实现新物体的全光学相位恢复和定量相位成像的能力。此外，他们的研究深入研究了各种因素的影响，包括衍射层的数量以及图像质量和输出能量效率之间的权衡，表明更深的衍射光学网络通常可以优于更浅的设计。该 QPI 衍射网络可以进行物理缩放，以在电磁频谱的不同部分运行，而无需重新设计或重新训练其层。
这种全光计算框架具有低功耗、高帧率和紧凑尺寸的优点。加州大学洛杉矶分校的研究团队预计，他们的 QPI 衍射设计有可能集成到图像传感器芯片(CMOS/CCD 成像器)上，从而有效地将标准光学显微镜转变为衍射 QPI 显微镜，能够通过内部光衍射执行片上相位恢复和图像重建。被动结构层。