原文标题：Diffractive networks enable quantitative phase imaging (QPI) through random diffusers

翻译：光电查

利用衍射光学网络通过随机未知扩散器进行全光学相位恢复和定量相位成像（QPI）。所展示的 QPI 衍射网络示意图，该网络无需数字图像重建算法即可揭示随机未知扩散器后物体的定量相位信息。资料来源：加州大学洛杉矶分校 Ozcan 实验室。

几十年来，细胞等弱散射相物体成像一直是生物医学等各个领域的活跃研究领域。一种常见的方法是使用化学染色剂或荧光标签为弱散射物体提供图像对比度，但这需要相对复杂的样品制备步骤，而且可能对样品造成毒性或破坏性影响。定量相位成像（QPI）作为一种功能强大的无标记解决方案，可在不使用任何外部标记或试剂的情况下对透明样本进行无创、高分辨率成像，从而满足了这一需求。

然而，由于需要数字图像重建和相位检索算法，传统的 QPI 系统可能是资源密集型的，而且速度较慢。此外，大多数 QPI 方法并不考虑随机散射介质，这在生物组织中尤为普遍。

在最近发表于《Light： 先进制造》上发表的一篇论文中，加州大学洛杉矶分校（UCLA）电子与计算机工程系的 Aydogan Ozcan 教授领导的研究小组报告了一种新方法，用于对完全被随机、未知相扩散体覆盖的物体进行定量相位成像。他们的方法使用了一种衍射光学网络，该网络由通过深度学习优化的连续透射层组成，这种衍射系统的轴向跨度约为 70λ，其中 λ 是照明波长。

在训练过程中，使用了各种随机生成的相位扩散器，以建立抵御随机未知扩散器产生的相位扰动的能力。经过一次性训练后，产生的衍射层可以对完全被未知随机扩散器隐藏的未知物体进行全光学相位恢复和定量相位成像。

在数值模拟中，研究小组成功地展示了 QPI 衍射网络通过前所未有的新随机相位扩散器实现新物体成像的能力。此外，他们的研究还深入探讨了各种因素的影响，如空间结构衍射层的数量以及图像质量和输出能效之间的权衡，结果表明，较深的衍射光学网络通常优于较浅的设计。这种 QPI 衍射网络可以进行物理扩展，以便在电磁频谱的不同部分运行，而无需重新设计或训练其衍射层。

这种全光学计算框架具有功耗低、帧速率高和体积小等优点。加州大学洛杉矶分校的研究团队预计，他们的 QPI 衍射设计有可能集成到图像传感器芯片（CMOS/CCD 成像仪）上，从而有效地将标准光学显微镜转变为能够通过被动结构层内的光衍射执行片上相位恢复和图像重建的衍射 QPI 显微镜。

参考资料

Yuhang Li et al, Quantitative phase imaging (QPI) through random diffusers using a diffractive optical network, Light: Advanced Manufacturing (2023). DOI: 10.37188/lam.2023.017