说明 | 本文来自课题组投稿
自从 17 世纪光学显微镜被发明以来，就一直作为人类探索微观世界的重要工具，在许多领域发挥着不可替代的作用。然而，传统的光学显微镜只能获得样品的振幅信息，无法对透明样品进行高衬度的成像。因此，人们渴望获得一种非标记显微技术，能在自然状态下对透明样品（如活体细胞）进行长时间、高衬度跟踪观测。
数字全息显微（Digital Holographic Microscopy, DHM），通过利用 CCD/CMOS 记录被放大的物光波和参考光波的干涉图样，可再现出透明样品高衬度、定量化的相位成像，被广泛应用于工业检测、生物医学成像等领域。然而， DHM 依然是一个衍射受限系统，其空间分辨能力一直较低，并且一直存在“大视场”和“高分辨”无法兼顾的矛盾。
上世纪 90 年代以来，光学超分辨显微成像技术得到了快速的发展，该领域的领航者 S- W. Hell，E. Betzig 和 W. E. Moerner 被授予 2014 年诺贝尔化学奖。这些方法均采用了荧光标记，利用荧光的“光切换”特性来实现超分辨成像。在过去的几十年中，科学家们在提高 DHM（无标记显微技术）空间分辨率方面也做出了许多努力。
西安电子科技大学 郜鹏 教授和南京师范大学 袁操今 教授合作在 Light: Advanced Manufacturing 上发表了题为“Resolution enhancement of digital holographic microscopy via synthetic aperture: a review（基于合成孔径数字全息显微镜分辨率增强技术）”的综述论文，回顾了 DHM 中不同分辨率增强的方法，并比较了它们的优缺点。
DHM的分辨率由照明光波长、照明和全息记录系统的数值孔径所决定: δ=kλ/(NAillum+NAimag)。DHM的分辨率增强方法可分为三种：
照明调制技术，采用离轴照明、结构光照明和散斑照明来提高 NAillum，最终在大视场下实现 DHM 空间分辨率的提高，同时还可以实现对厚样品的三维层析。全息记录（成像）信息增强方法，通过数字/物理扩增全息图或者采用压像元技术，来提高无透镜 DHM 的 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。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
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。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
.jpeg)
