其他
成像专题 | 显微成像中深度学习实现单透镜消色差(APL Photonics)
显微成像应用之基于深度学习的单透镜消色差成像
Deep Learning Virtual Colorization Overcoming Chromatic Aberrations in Singlet Lens Microscopy本期导读
与多镜片组成的成像镜头相比,单透镜物镜具有无需精确组装和精密测试的天然优势,有利于缩减光学镜头产业的工艺步骤。尤其是在光学显微成像应用中,与基于同轴全息原理的无透镜显微成像相比,单透镜成像在自然光照明、长工作距离、荧光成像等应用场景,具有显著优势。由单一材料制作而成的单透镜(Singlet lens),仅通过一次曝光成像,很难实现光谱色散矫正。因此,来自南京理工大学(朱日宏教授课题组)、苏州市立医院(沈韧斌主任团队)、苏州大学(杨晓飞研究员课题组)、长春光机所(邓伟杰主任团队)和浙江大学(匡翠方教授课题组)的科研人员,针对病理切片的显微成像的特定场景,提出了利用深度学习的方法,建立单次曝光获取的灰度图像与RGB彩色图像之间的映射深度卷积神经网络,实现了虚拟彩色成像。基于此方法,研究人员展示了H&E染色的肿瘤切片在单透镜显微成像系统中的应用。该研究的方法与结果,以论文"Deep learning virtual colorization overcoming chromatic aberrations in singlet lens microscopy"近期发表于光学学术期刊《APL Photonics》。
技术路线
该研究内容主要包含两部分研究内容,光学设计:设计具有高截止频率的线性成像单透镜;深度学习:基于GAN深度学习建立灰度—彩色映射关系。
光学设计—设计具有高截止频率的线性成像单透镜
图2. (a)偶次非球面单透镜示意图。(b)在蓝光照明时,物方0-2.5mm视场时的MTF曲线;(c)在绿光照明时,物方0-2.5mm视场时的MTF曲线;(d)在红光照明时,物方0-2.5mm视场时的MTF曲线。
深度学习:基于GAN深度学习建立灰度—彩色映射关系
图3. GAN深度学习虚拟彩色网络示意图。(a)生成器网络;(b)鉴别器网络
实验结果
图4. 不同波长LED照明光下的灰度图像转变为彩色图像的结果图。灰度图像为单透镜直接采集图像的反卷积后的图像;深度学习虚拟彩色图像几乎与RGB探测器采集图像的色彩一致。
为了评估蓝光、绿光和红光照明下的灰度图像本身信息,对该研究的虚拟彩色渲染效果的影响,该研究内容还对比了蓝光、绿光和红光照明下200组虚拟彩色图像数据(如图5)。
图5. 在蓝光 / 绿光/ 红光LED照明下拍摄200组图像,以评估单色照明光对H&E染色病理切片的深度学习虚拟彩色成像方法(以图像领域广泛认可的PNSR和SSIM为评价标准)。在蓝光LED照明下,PNSR为25.906,SSIM为0.87;在绿光LED照明下,PNSR为27.59,SSIM为0.92;在红光 LED照明下,PNSR为28.61,SSIM为0.91。
研究结论
该研究展示了在针对染色病理切片时,能够使用深度学习虚拟彩色渲染的方法,克服单透镜成像的光谱色散困扰。研究内容的亮点在于,在硬件方面极其简单:单色LED照明,偶次非球面单透镜和普通灰度CMOS图像传感器。在算法方面,设计了一个GAN深度学习网络,实现灰度图像的虚拟彩色渲染。此外,出于实验对比目的,实验人员通过对比不同谱段LED照明的实验结果,认为对于H&E染色切片,绿色LED照明和红色LED照明将提供比蓝色LED照明更好的PSNR和SSIM。此外,该项研究也可以迁移到其他单色光照明成像系统(例如相干光)和其他单透镜成像系统(例如衍射表面和超表面)。https://aip.scitation.org/doi/10.1063/5.0039206
* 主要文字由论文作者 Yinxu Bian 撰写,所有图片素材均来源于作者原始论文及网络公开资料,该技术分享不做任何商业用途。
回顾与预告
上期回顾:显示专题 | 球面和平面混合波面重建的全息Maxwellian近眼显示 (OSA OE)欢迎点击查阅
Contact: intelligent.optics.sharing@gmail.com
END