近日，中國科學院深圳先進技術研究院生物醫學與健康工程研究所秦文健團隊，在《光學與激光工程》(Optics?and Lasers in Engineering)上，發表了題為Fast?physic-informed mixer architecture for color Lensfree holographic reconstruction的研究成果。該團隊提出了基于物理信息的無監督復值網絡架構，用于高效、高質量彩色無透鏡全息重建。
 

　　從多波長全息圖精確重建彩色圖像在生物醫學成像應用中至關重要。當前，數據驅動的深度學習方法在生物醫學圖像重建性能方面已取得重要進展。尤其是，未經訓練的神經網絡方法可以有效解決成像模型對數據集樣本數量要求和泛化問題。然而，現有方法依然需要更多的迭代計算來提高重建質量，使得模型需要更長的收斂時間。
 

　　該團隊提出了高效的復值注意力混合器(ECA-Mixer)架構，用于快速準確的物理信息彩色全息重建。該架構由三個核心模塊組成——編碼器、非線性變換器和解碼器。每個模塊均結合了高效的注意力機制和混合器層，用于通道特征提取和空間信息轉換。為了保留高頻信息，該團隊還引入了2D Haar小波及其逆變換來編碼和解碼特征。
 

　　該成果在大量仿真和實驗樣本上的結果表明，這一方案在計算時間和圖像質量方面實現了優異的彩色重建結果。更重要的是，該成果方案能夠在短短幾分鐘內以更高分辨率對大尺寸寬視場樣本進行快速成像。上述技術成果為計算全息成像在生物醫學顯微成像方面應用提供了新的解決思路和方法。
 

　　深圳先進院為論文的第一完成單位。
 

骨組織病理大視場彩色全息重建結果展示