基于CycleGAN的虚拟定量差分相衬成像用于红细胞分类

目的通过深度学习技术实现虚拟定量差分相衬(Virtual Quantitative Differential Phase Contrast,V-qDPC)重建,提高定量相位成像衬度和鲁棒性,为无标记红细胞的全自动分类提供新思路。方法通过对LED照明进行编码获得明场图像和差分相衬图像,通过相位重建可获得定量差分相衬(Quantitative Differential Phase Contrast,qDPC)图像;采用循环一致生成对抗网络(Cycle-consistent Generative Adversarial Network,CycleGAN)完成明场图像到qDPC图像的端到端映射。结果基于CycleGAN生成的V-qDPC图像,实验参数当λ=7和β=0.5时,V-qDPC图像质量最优;相比光学重建的qDPC图像有更好的鲁棒性和抗噪声能力;使用AlexNet、ResNet50和VggNet三种网络模型比较无标记红细胞形态的自动分类,结果表明V-qDPC图像比qDPC图像具有更好分类性能。结论与传统的基于多幅倾斜照明图像的qDPC重建相比,V-qDPC算法具有更好的相位图像质量和鲁棒性,适合以高精度和高效率实现全自动细胞分类,同时省去了成像光路和硬件支持,有望应用于生物医学研究。

基于四象限液晶器件的差分相衬成像系统

在显微成像领域中,高成像质量图像的获取与良好的照明方式息息相关。传统显微镜使用聚光透镜来提供均匀强度的照明,调节聚光透镜的光阑匹配不同放大倍率的物镜。然而无色生物细胞的光学吸收系数低,在传统显微镜下难以观测到其细节信息。为了突破传统显微镜的成像功能,本文设计了一种可调控的显微镜聚光镜模块,通过将小型扭曲液晶器件嵌入聚光透镜的后焦面处,调控液晶器件的对光的透过效果可以实现明场成像以及差分相衬成像。系统由一款商用显微镜改装而成,液晶器件尺寸为22 mm×18 mm,实现了系统的高度集成化。通过实验验证了系统的成像性能,实现了对微凸透镜样品的定量相位重建,实验与理论曲线的互相关系数达到0.9949,并且通过胚胎干细胞的重建展示了系统在实际应用中的效果。