Tel：153 2100 2012

Email：ceo@lianyun.wang

English 简体中文
Beijing Four Sentences of Heng Qu science and technology Co., Ltd.
北京横渠四句科技有限公司
首页 ＞ 拟转化成果 ＞ 数字全息显微术，如何看得更细？
数字全息显微术，如何看得更细？
来源: | 作者:4SHQ | 发布时间: 987天前 | 1815 次浏览 | 分享到:
NAimag，最终实现 ~cm2 量级内的高分辨相位成像。该技术还可以和微流体及片上设备实现直接集成，在大通量相位成像方面具有很好的应用前景。
图 2：基于调制照明的数字全息显微技术

此外，随着人工智能和深度学习技术的快速发展，基于训练数据和物理模型的神经网络为提升 DHM 空间分辨率提供了全新的途径。通过利用大量配对图像（低分辨率全息图作为网络输入，高分辨振幅/相位图像作为网络的输出）对神经网络进行训练，该网络便可以实现对 DHM 高分辨（或“超分辨”）数字重建。

尽管前期训练过程极为耗时，但随着网络结构的不断优化，这些技术显现出非常大的发展潜力。尤其是通过将数字全息显微真实物理模型融入到神经网络中，可以有效减少所需的训练集数量并提供神经网络的通用性和可靠性[1]。
图 3：基于深度学习的数字全息显微技术分辨率增强法 
图源：https://innov100.com/

目前的 DHM 分辨率提高方法，能否超过衍射极限，获得小于 λ/2(阿贝衍射极限)的分辨率呢？

在综述文章的总结部分，作者给出了否定的答案。事实上，目前 DHM 的分辨率增强技术，均是通过在更大角度范围内收集样品的衍射/散射光以实现“合成孔径”，仅能突破由具体成像系统数值孔径（如 NA=0.3）所决定的空间分辨，不能超过物理衍射极限 λ/2[2]。

然而，近些年出现的倏逝波或超振荡照明技术，有望使 DHM 的空间分辨率突破物理衍射极限，这方面的研究有待于进一步的证明。
参 考 资 料
1. F. Wang, Y. Bian, H. Wang, et al., "Phase imaging with an untrained neural network," Light Sci Appl 9, 77 (2020).
2. J. W. Goodman, "Introduction to Fourier Optics," 3rd ed. (Roberts & Company, 2005), (2005).


论文信息

Gao et al. Light: Advanced Manufacturing (2022)3:6

http://dx.doi.org/10.37188/lam.2022.006




转载 | 先进制造 公众号
本文编辑 | 赵阳