[发明专利]基于机器学习的高速自适应光学环形光斑校正系统和方法

说明书

本发明公开了一种基于机器学习的高速自适应光学环形光斑校正系统和方法。本发明搭建学习模型，建立起畸变环形光斑形态与校正该畸变所需的相位重构系数之间的映射关系，将待测的畸变环形光斑输入训练好的模型中，可以求解出校正该畸变的相位重构系数，进一步将相位重构系数重构出的校正相位加载到空间光调制器上可以校正畸变。本发明能够实现对受激发射损耗荧光显微术中环形光斑像差的快速校正，且精确度高，系统简单易操作，解决了STED超分辨显微成像技术在样品深层成像时像差和散射所导致的分辨率下降问题。

技术领域

本发明属于超分辨显微成像领域中的自适应光学波前像差校正方法，特别涉及了一种基于机器学习的针对受激发射损耗(STED)荧光显微术中环形光斑像差校正的高速自适应光学校正系统和方法，以实现厚样本中的超分辨光学成像。

背景技术

光学显微镜凭借其非接触、无损伤等优点，长期以来是生物医学研究的重要工具。但是，自1873年以来，人们一直认为，光学显微镜的分辨率极限约为200nm，无法用于清晰观察尺寸在200nm以内的生物结构。超分辨光学成像是本世纪光学显微成像领域最重大的突破，打破了光学显微镜的分辨率极限，为生命科学研究提供了前所未有的工具。近十几年来，一系列超分辨显微成像技术相继被提出，使得科学家们可以看到小于衍射极限的物体，以及进行更精密的激光加工和超高密度的光学存储，超分辨成像技术因此获得了2014年诺贝尔化学奖。目前主流的超分辨技术有受激发射损耗显微镜技术(STED)，光激活定位显微镜技术(PALM)，随机光学重建显微镜(STORM)等。

其中受激发射损耗(STED)显微技术是一种通过焦点调制从而获得超分辨成像的方法，其原理是当荧光激发光束与抑制荧光信号的环形消激发光光束重叠时，可实现超分辨率。该方法使其在深层成像过程中的分辨率容易受到系统像差和观测样本散射的影响。因此传统受激发射损耗显微技术中，如何在样品内部深层成像时保持超分辨已经成为一个难题。此外,由于光学系统的初级像差的存在会对环形消激发光的分布造成影响,从而使受激发射损耗显微镜系统的分辨率急剧下降。

发明内容

为了解决背景技术中存在的光学系统的初级像差以及深层生物样品散射对环形消激发光分布造成影响而引起的分辨率下降问题，本发明提供了一种基于机器学习的高速自适应光学环形光斑校正系统和方法。该方法利用焦点光场的计算模型,模拟了初级像差，特别是多重初级像差。由该计算模型可得到一定数量的训练数据集(即畸变的环形光斑和对应的相位重构系数)，并采用了机器学习中深度卷积神经网络算法构建学习模型，得到了较好的环形光斑校正效果。

本发明的技术方案如下：

一、基于机器学习的高速自适应光学环形光斑校正系统

本发明包括系统沿光路方向依次布置的空间光调制器SLM、第一透镜L1、第二透镜L2、涡旋相位板V、第三透镜L3和工业相机，入射平行光依次经过空间光调制器SLM、第一透镜L1、第二透镜L2、涡旋相位板V、第三透镜L3后，在所述系统的聚焦平面上由工业相机上探测环形光斑光强分布并形成图像。

所述的工业相机选用EMCCD或者sCMOS相机。

所述的第一透镜L1和第二透镜L2构成一个4F光学系统，第二透镜L2和第三透镜L3构成一个4F光学系统。

所述的空间光调制器SLM放置在第一透镜L1的前焦面处，第一透镜L1的前焦面作为所述系统的光瞳面，涡旋相位板V放置在第二透镜L2的后焦面且位于第三透镜L3的前焦面处，涡旋相位板V与系统的光瞳面以第一透镜L1和第二透镜L2构成的4F光学系统共轭；第三透镜L3的后焦面作为所述系统的聚焦平面。

平行光光束通过涡旋相位板V的出射光束具有涡旋的相位波前，涡旋的相位波前经过第三透镜L3后在所述系统的聚焦平面上呈现环形光斑。

所述的空间光调制器SLM通过液晶折射率调制入射光的波前相位，从而引入或校正像差。